文件更新怎麼同步：增量索引的基本設計

RAG 上線後最先遇到的維運問題是：來源文件更新了，索引還停在舊版。全量重建在文件多的時候不可行，得做增量。

用內容雜湊判斷變更

import hashlib

def doc_hash(text):
    return hashlib.sha256(text.encode('utf-8')).hexdigest()

# 同步流程
for doc in source_docs():
    h = doc_hash(doc.text)
    if index.get_hash(doc.id) == h:
        continue                      # 沒變，跳過
    index.delete_by_doc(doc.id)       # 先刪舊片段
    index.insert(chunk_and_embed(doc), doc_hash=h)

三個容易忽略的細節

• 先刪後插：否則同一份文件的新舊片段會同時被檢索到，互相矛盾。
• 刪除也要同步：來源文件被移除時，索引裡的片段必須跟著刪，這是最常漏掉的一條。
• 記錄同步時間：每份文件存 last_synced，才能查出哪些文件卡住沒更新。

排程與觸發

小型系統用排程定時掃描就夠；文件量大時改成由來源系統發事件通知，只處理變更的文件。