大模型应用开发 / 系统课时

更新与删除向量数据

更新与删除向量数据

本节解决知识库内容变化后的向量同步问题,学习如何按文档标识覆盖旧片段、删除失效数据,并保证检索结果始终来自最新知识。

学习目标

  • 理解向量数据更新与删除的核心流程。
  • 掌握按文档 ID 管理片段生命周期的方法。
  • 能够实现增量更新并验证旧数据是否被清理。

管理向量数据生命周期

RAG 知识库不是一次导入后永久不变的系统。原始文档修改、删除或重新切分后,向量库中的旧片段也必须同步变化,否则检索阶段可能召回过期内容。

常见做法是为每批向量保存文档标识、片段编号、更新时间等元数据。更新时先定位同一文档产生的旧向量,再写入新的片段集合。

向量数据更新与删除生命周期流程图

按文档标识覆盖旧数据

覆盖更新的关键是建立稳定的关联字段。例如所有来自同一篇文档的向量都携带 documentId,更新时通过该字段批量删除旧记录,再插入新的向量。

下面是一个使用向量数据库客户端进行更新的片段示例,实际 API 名称会根据数据库产品不同调整。

python
from datetime import datetime

old_document_id = "doc-<ID>"
new_chunks = [
    {"text": "更新后的内容片段", "documentId": old_document_id, "updatedAt": datetime.utcnow().isoformat()}
]

# 先删除旧版本,避免新旧片段同时被召回
vector_store.delete(filter={"documentId": old_document_id})

# 再写入重新生成向量后的片段
vector_store.add_documents(new_chunks)

预期结果

text
旧文档向量删除完成
新片段向量写入完成
检索结果仅包含更新后的内容

处理删除和过期数据

删除操作通常分为立即删除和软删除两种方式。立即删除适合确定不再使用的数据;软删除则保留记录状态,方便审计和恢复。

如果知识库需要支持版本回滚,可以增加 version 或 status 字段,在检索时只过滤有效版本。

需要注意,删除向量后还要检查关联的文本存储、缓存和索引状态,避免出现向量不存在但原文仍可访问的情况。

验证更新是否生效

完成更新后,应使用原问题重新测试召回结果。重点检查旧答案是否消失、新内容是否出现,以及元数据过滤是否符合预期。

常见问题包括:删除范围过小导致旧片段残留,或者重新生成向量失败导致文档没有可检索版本。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

更新与删除向量数据

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通