一、知识库的通病回答停在训练那天我给一个内部文档助手做过 RAG踩过最典型的坑用户问我们行业最近的 XX 政策有什么变化模型答得头头是道但引用的是一年前的旧文档。原因不复杂——RAG 的检索范围只有你喂进去的那批本地文档外面世界变了知识库根本不知道。解决办法业内叫接地grounding生成之前先去外部实时搜一把把最新的搜索结果一起塞进上下文。这篇讲我用 SerpBase官网 https://serpbase.dev给 RAG 补实时数据的做法纯工程视角代码可以直接改。二、两种给模型接搜索的方式先摆清楚选择让模型读网页把 URL 抓下来、清洗成文本再喂进去。灵活但慢、贵还要处理页面里的广告和导航噪音。调搜索 API直接拿结构化的搜索结果标题、链接、摘要作为引用来源注入上下文。快且返回结构统一好做引用标注。做内部知识助手我选了后者——搜索 API 返回的就是干净的结果列表天然适合做引用。SerpBase 的/google/search一次调用1 credit就返回organic数组每条带title、link、snippet正好是 RAG 想要的检索结果。三、最小接线搜索 → 拼上下文 → 生成先写一个检索函数把查询结果转成带编号的引用片段importrequestsdefretrieve(query,top_k5):rrequests.post(https://api.serpbase.dev/google/search,headers{X-API-Key:你的_API_KEY},json{q:query,gl:us,hl:en})datar.json()docs[]foritemindata.get(organic,[])[:top_k]:docs.append({title:item[title],url:item[link],text:item.get(snippet,)})returndocs然后拼成上下文要求模型只用这些来源回答defbuild_prompt(question,docs):ctx\n.join(f[{i1}]{d[title]}\n{d[text]}\n{d[url]}fori,dinenumerate(docs))return(f只根据以下实时搜索结果回答引用时标注编号\n\n{ctx}\n\nf问题{question})把build_prompt的输出丢给任意 LLM回答里就会带上 [1][2] 这样的引用用户能点回去看原文。这就是 RAG 接实时数据的最小闭环。四、把它接进现有 RAG 知识库内部知识库一般已经有一套本地向量检索我的做法是本地优先实时兜底先跑本地检索如果相似度够高直接用本地文档回答本地命中不足比如问到最新动态、竞品信息再触发搜索 API 检索两路结果合并按来源标注本地文档 vs 实时来源这样既保住了内部文档的私密性又补上了外部实时数据的短板。五、几个必须处理的工程细节第一搜索结果要投影不能整包塞。organic里字段很多进 prompt 前只留title/snippet/link别把整条 JSON 塞进去token 会爆。第二加时效过滤。SERP 里有的结果是很久以前的做实时问答要优先取近期的。如果结果里带date字段可以据此排序或过滤。第三缓存高频问题。同一个问题短时间被问多次缓存检索结果就好不必每次都调 API。我的缓存键用(query, gl, hl)缺一个字段都会串味。第四失败要有兜底。搜索 API 调用失败时退回到纯本地回答别让整个问答流程挂掉。响应里的status字段0 为成功就是判断依据。六、为什么用搜索 API 而不是自己爬做 RAG 接地最怕的就是检索这一步不稳定。自己爬要维护代理池、处理验证码、解析随时改版的页面结构搜索 API 把这一步变成一次 POST返回结构化 JSON还带credits_charged能对账成本。对个人开发者和小团队来说省下来的维护时间远比那点调用费值钱。SerpBase 新账户有 100 次免费搜索、不绑卡拿这个额度足够把上面的检索链路完整跑通一遍验证效果后再决定要不要上生产。七、行动清单先用retrieve()跑通一个查询看返回结构符不符合你的引用格式写build_prompt()让模型只依据搜索结果回答接进现有 RAG做本地优先 实时兜底加字段投影、时效过滤、缓存和失败兜底用免费额度评估召回和延迟是否达标RAG 的短板往往不在模型在检索的覆盖面。给它接上实时搜索很多答得不对的问题会自然消失。