需完成云搜索知识库接入、模型服务配置与rag推理链路打通三环节：创建opensearch 2.9.0集群并启用peg嵌入模型；在方舟平台开通豆包推理接入点，endpoint须含/v3/chat/completions；构建rag流程——语料向量化入库、问题向量化混合召回、拼接context调用豆包api获取答案。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在火山引擎上搭建基于豆包大模型的智能问答系统，需完成云搜索知识库接入、模型服务配置与RAG推理链路打通三个核心环节，缺一不可。
创建并配置云搜索OpenSearch实例
登录火山引擎云搜索控制台（https://console.volcengine.com/es），选择地域后创建Opensearch 2.9.0版本集群。实例创建成功后，进入「ML服务」页签，按1:4比例配置CPU与内存资源并启用ML节点。
在「模型服务→公共模型」中启动PEG嵌入模型，确保其状态为“运行中”——【若未启用该模型，后续无法生成向量字段，RAG召回将完全失效】。
返回实例详情页，开启Dashboards公网访问权限，用于后续语料索引调试。
开通豆包大模型推理接入点
跳转至火山引擎方舟控制台（https://console.volcengine.com/ark），在「模型推理」模块下点击「创建推理接入点」。
模型选择：优先选用 Doubao-pro-32k（高精度长上下文场景）或 Doubao-lite-32k（响应速度敏感型应用）；计费模式选按量付费，避免初期资源浪费。
创建完成后立即复制Endpoint地址和API Key——【Endpoint末尾必须带/v3/chat/completions路径，漏掉则请求直接404】。
构建RAG问答流程
第一步：将原始语料（PDF/HTML/Markdown等）用PEG模型向量化，写入同一OpenSearch索引，同时保留原文text字段和向量vector字段。
第二步：用户提问时，调用PEG模型将问题转为向量，并通过OpenSearch混合查询（knn+keyword）召回Top5相关文档片段。
第三步：将召回内容拼接为context，连同用户原始问题，按OpenAI兼容协议POST至豆包Endpoint，请求体中必须包含model字段（值为doubao-pro-32k）和messages数组。
第四步：解析返回JSON中的choices[0].message.content，提取纯文本答案并返回前端。
