RAG 并不意味着所有问题都要“向量检索加大模型生成”。商户运营中有大量规则清晰、重复率高的问题，直接使用标准答案更稳定，也更容易审核。

一、两层问答链路

用户问题 -> 文本规范化 -> FAQ 精确匹配 / BM25 相似度 -> 高置信命中返回 MySQL 标准答案 -> 未命中进入 Milvus RAG

FAQ 存在 MySQL 中，应用层用 BM25 计算问题与标准问题的相似度，并通过相对分数和绝对分数双阈值做分流。低置信问题不直接套用标准答案，而是交给知识库上下文处理。

二、为什么先做规范化

真实输入经常包含首尾空格、大小写差异以及中英文问号。项目在索引和查询阶段统一规范化这些格式，同一个标准问题带不带中文问号都不会改变路由结果，避免标点差异把 FAQ 误送入 RAG。

三、两个环节不能混淆

不能把 BM25 FAQ 分流写成 Milvus 混合检索，也不能只依赖一个模糊阈值。对低置信问题保守处理，才不会把相似问题误当成确定规则。