大家好，我是袋鼠帝
一直以来我写了不少AI知识库相关的分享。
但是很多朋友可能都面临一个痛点：
就是满怀期待的把资料“投喂”进知识库后，以为大模型能把所有资料完整“消化吸收”了。结果一测试发现问答效果不尽如人意。
咱们得先明白，RAG它不是银弹，不是全能的，它也有局限性，并不适合所有场景。
RAG的原理其实网上已经有非常多的资料了，这里就不详细赘述了。
下面这个图，形象的展示了RAG的工作原理
我们先探讨一下RAG的局限性：
1.文件分片：文件分片本身不是局限性，但是分片导致原本连贯的内容被分割，就会导致后期检索到的内容信息缺失。
2.检索不精确：因为RAG是使用向量比对的方式（数学的维度）来查询语义相近的内容，但是这也会导致有时候匹配的内容可能并不是我们想要的信息。
3.没有全局概念：由于知识库里面的文件都是分片存储，每次回答只会检索部分内容，
所以，很难准确回答一些全局性的问题（或者说统计型的问题），比如知识库中的老师一共有多少位，一季度有多少个订单等等。
第一个问题（文件分片导致上下文丢失）其实在我之前的一篇文章里面已经给出了一个解决方案。
就是大力出奇迹：使用超长上下文的模型，把相关的不相关的内容出来都检索丢进去，给大模型自己判别，所以这个模型还必须有超强的"大海捞针"能力。
感兴趣的朋友可以看看。
超长上下文开源模型minimax-01，支持400万tokens
袋鼠帝，公众号：袋鼠帝AI客栈dify v1.1.0接入这个开源LLM，知识库效果直接起飞，真可以封神了！【喂饭级教程】
那么剩下的两个问题，可以搭配传统的数据库来解决。
其实一个月前就有朋友给我提过这个方案。
但是，那时候，我觉得这个方案还没有很成熟，而且操作起来较为繁琐，所以就一直没有分享。
直到最近MCP的大火，至少让AI大模型接入数据库的门槛又降低不少。
以及我平时最最喜欢用的字节旗下的AI IDE神器：Trae，终于终于支持MCP了！
国内版Trae下载地址：
https://www.trae.com.cn/
海外版Trae下载地址（需要科学上网）：
https://www.trae.ai/
它直接就内置了数据库的MCP-Server，这意味着我们可以通过MCP把数据库一键接入大模型。
本期将主要以PostgreSQL这个简单、轻量的关系型数据库为例，带大家接入（同时它应该也能满足大部分的使用场景了）。
声明，数据库方案更适合表格类型的数据，文本建议参考“大力出奇迹方案“
另外使用Trae的MCP能力，也需要先在本地安装Python环境、Node环境（这块网上资料很多），也可以问AI～
好了，接下来我们开始喂饭。
一、安装PostgreSQL
PostgreSQL官网下载地址：
https://www.postgresql.org/download/
自行选择合适的平台下载即可（跟着流程点点点）
然后我们在安装一个图形化界面，方便操作数据库。
我们选择这个免费的dbeaver
下载地址：https://dbeaver.io/download/
打开dbeaver，点击右上角的小+号，选中PostgreSQL添加
其他 默认配置即可，在下图，我们只需要填上安装PostgreSQL过程中的自己设置的密码，点击完成
添加好本地的PostgreSQL之后，左边会出现一个小图标，双击一下连接数据库。
可能会要求安装连接数据库的相关驱动，跟着步骤安装即可
驱动安装成功之后，可以看到数据库大象图标那里有个小勾。
Trae中配置PostgreSQL MCP
打开Trae，按照下图方式，如果第一次没有MCP，会提示需要添加MCP
接着就进入到MCP市场了，添加PostgreSQL
这里特别注意
上面复制的PostgreSQL url不能直接粘贴使用，需要参考它给出的格式调整一下
postgresql://postgres:密码@127.0.0.1:5432/postgres
其他的都一样，大家把连接中的密码改成自己的就行
上一步，点击确认后
使用mac的朋友如果报这种错，说明相关路径没有权限
可以在终端运行一下这个命令：
sudochown-R $(whoami) ~/.npm
PS：其他任何报错都可以丢给Trae，让AI帮你解决
直到PostgreSQL MCP变为可使用状态，就代表配置好了
并且，为了安全，只提供了查询功能，无法进行增、删、改。
测试PostgreSQL MCP效果
接下来我们需要把测试数据导入PostgreSQL中
我准备了一个Excel表格
是我之前在某宝爬取的一些内存条商品信息，一共135行
咱们直接用前两天刚刚发布的「扣子空间」，让它把这个表格转为可直接导入PostgreSQL的sql文件。
提示词：
我想把这个Excel导入PostgreSQL（表需要新建），根据这个Excel的内容，帮我生成导入所需的sql文件，
记得把列名翻译成英文，考虑字段的字符串长度是否够等因素，生成后供我下载。
说实话，扣子空间真挺好用的，半分钟不到就搞定了
如果是在以前，估计得写代码，或者用Excel表达式吭哧吭哧搞半天
直接把生成的sql文件下载下来
按照下图的步骤，把数据导入PostgreSQL数据库中
可以按下图方式查看导入成功的数据
然后我们就可以开始在Trae中测试了
注意：由于大模型并不知道表格的结构和信息，我们需要把表格结构连同问题一起发过去（如果是智能体就可以把表格结构放到系统提示词中）
表格结构在之前生成的sql文件里面可以找到（如下图红框中这段）
查询结果完全正确～
这个方案是由大模型写sql语句来进行查询，所以，查询精度是可以保证的。
亲测，Claude3.7还是比新版DeepSeek好用。。。至少sql语句写的更符合要求。
这个方案还可以结合RAG一起用：比如做一个工作流，搞一个大模型在最前面判断，用户问题如果是全局，或者统计性质的，就走数据库。
否则就走RAG，这样结合起来，将会极大的提升整个知识库的检索精度。
写到这里，我不经想起当年刚做程序员的时候，有几个月每天都写各种复杂的sql，从生疏，到炉火纯青，现在看来好像没有多大用处了，因为AI完全可以秒出。
不经感叹，技术发展的真快，而我们，好像只能不断紧跟时代的步伐，才不至于被淘汰。
文章来自于微信公众号“袋鼠帝AI客栈”，作者 ：袋鼠帝
