问题所在
银行和金融服务团队构建 RAG 聊天机器人时遇到合规墙：除非脱敏否则嵌入存储 PII，审计需要自托管向量数据库，受监管话题上未经验证的回答存在法律风险。
Scavio 解决方案
使用 Scavio 作为公开产品页面和利率表的摄取源，嵌入前用 Presidio 或自定义正则脱敏 PII，将嵌入存储在 VPC 内的自托管 Qdrant 或 Weaviate 中。分类器将确定性查询路由到 SQL，仅将模糊问题发送到 RAG。
之前
嵌入原始页面，使用托管 Pinecone，心存侥幸；利率查询产生幻觉，法律部门标记整个系统。
之后
在 VPC 托管的 Qdrant 中使用脱敏嵌入；利率查询路由到 SQL；RAG 仅回答真正模糊的问题。
适用人群
构建生产 RAG 聊天机器人且有法律和合规要求的银行、保险和受监管行业工程团队。
核心优势
- PII 永不进入向量存储
- 自托管向量数据库将嵌入保持在 VPC 内供审计
- 分类器将确定性查询路由到 SQL 查找
- Scavio 提供新鲜的公开产品和利率页面
- 基于区域、产品和新鲜度的元数据过滤
Python 示例
Python
import os, requests
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}
def fetch_public_pages(bank_domain):
r = requests.post('https://api.scavio.dev/api/v1/search',
headers=H, json={'query': f'site:{bank_domain} rates OR fees OR products'}).json()
return [x['link'] for x in r.get('organic_results', [])[:20]]
def mask_pii(text):
# Presidio or custom regex pipeline
return text # implementation elided
for url in fetch_public_pages('examplebank.com'):
page = requests.get(url).text
masked = mask_pii(page)
# chunk + embed + upsert into QdrantJavaScript 示例
JavaScript
const H = { 'x-api-key': process.env.SCAVIO_API_KEY, 'content-type': 'application/json' };
async function fetchPublicPages(bankDomain) {
const r = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST', headers: H,
body: JSON.stringify({ query: `site:${bankDomain} rates OR fees OR products` })
}).then(r => r.json());
return (r.organic_results || []).slice(0, 20).map(x => x.link);
}使用的平台
包含知识图谱、PAA和AI概览的网页搜索