Spring AI企业级应用实战（11）：权限感知RAG、多租户过滤与引用治理

文章摘要

在Spring AI RAG链路中加入认证上下文、过滤表达式、文档ACL、重排复核和引用鉴权。

一、本篇目标

  • 构建AccessContext
  • 下推租户过滤
  • 实现文档ACL
  • 冻结引用ID
  • 引用下载再次鉴权

二、为什么Demo方案无法直接进入生产

普通RAG Demo默认所有文档对所有用户可见，无法满足企业权限边界。

生产系统需要把模型调用放入完整控制面，而不是让Controller直接拼Prompt、选择模型并处理异常。

三、总体架构

HTTP认证 → AccessContext → PermissionRetriever → Reranker → Evidence

4、统一访问上下文

统一访问上下文是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

SearchRequest request = SearchRequest.builder()
        .query(query)
        .topK(8)
        .filterExpression(Filter.Expression.and(
                Filter.Expression.eq("tenant_id", access.tenantId()),
                Filter.Expression.eq("status", "EFFECTIVE")))
        .build();

5、检索过滤表达式

检索过滤表达式是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

SearchRequest request = SearchRequest.builder()
        .query(query)
        .topK(8)
        .filterExpression(Filter.Expression.and(
                Filter.Expression.eq("tenant_id", access.tenantId()),
                Filter.Expression.eq("status", "EFFECTIVE")))
        .build();

6、ACL复核

ACL复核是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

SearchRequest request = SearchRequest.builder()
        .query(query)
        .topK(8)
        .filterExpression(Filter.Expression.and(
                Filter.Expression.eq("tenant_id", access.tenantId()),
                Filter.Expression.eq("status", "EFFECTIVE")))
        .build();

7、引用鉴权

引用鉴权是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

for (Claim claim : answer.claims()) {
    ClaimValidation result = validator.validate(claim, evidenceBundle);
    if (!result.supported()) {
        repairQueue.add(claim);
    }
}

8、生产治理要求

  • 配置、Prompt、模型和数据版本必须进入Trace
  • 权限、预算和风险规则由业务代码强制执行
  • 外部调用设置全链路Deadline
  • 重试与副作用隔离
  • 所有关键失败形成可回放样本

9、测试策略

  1. 确定性领域逻辑单元测试
  2. 外部Provider契约测试
  3. 黄金数据集质量评测
  4. 限流、超时和宕机故障注入
  5. 灰度与回滚演练

10、上线检查清单

□ 接口契约稳定
□ 租户隔离通过攻击测试
□ 版本可追踪
□ 成本与质量可观测
□ 异常有降级和人工兜底

阶段性验收标准

本篇围绕“Spring AI企业级应用实战（11）：权限感知RAG、多租户过滤与引用治理”建设的能力，应通过以下验收后再进入下一阶段：

核心接口契约稳定
关键状态可以持久化和恢复
租户、用户和权限边界通过攻击测试
外部超时、限流和宕机有明确降级
模型、Prompt、工具和数据版本可追踪
质量、延迟、成本和错误均可观测

除正常流程外，还应覆盖重复请求、并发更新、部分失败、服务重启、回调乱序、权限撤销和配置回滚。对于包含真实副作用的步骤，必须证明重试和恢复不会重复执行。

生产运行中的持续治理

系统上线后要把线上失败、人工接管和用户负反馈持续回流到测试集。每次模型、Prompt、工具或索引变化都运行同一基线，并通过影子流量或金丝雀验证真实分布。

建议按周复盘高成本任务、重复调用、低置信输出和人工修订原因；按月复审权限、数据保留、模型能力目录和降级策略。企业AI工程不是一次性开发，而是一套持续测量、修正和演进的运行体系。

总结

企业RAG必须让权限成为检索的一部分，而不是答案返回前的补丁。

下一篇将继续实现：

Spring AI企业级应用实战（12）：异步长任务、队列、回调与可恢复执行

延伸阅读

如果你正在关注企业级 AI 应用、Spring AI、RAG、Agent 与大模型工程化落地，欢迎访问 智元界：

https://www.zyentor.com/

智元界将持续分享可运行的技术实战、架构设计、问题排查与企业应用案例。