NESBox用单个Cloudflare Worker构建RAG
AI 总结
NESBox开发者mantou132介绍了一套结合Workers、Workers AI、Vectorize和KV的方案，涵盖多语言嵌入、BM25检索、缓存及流式RAG问答。单个Worker提供同步、更新、搜索和补全接口，可服务一百多款复古游戏，并按用户当前界面语言生成回答。在12条查询的小规模测试中，可选重排未改善排序，因此作者默认将其关闭。
深度见解
该架构展示了开发者如何把Cloudflare托管的AI、向量和存储服务组合成紧凑的多语言RAG实现，而无需另设服务器或向量数据库。
不需要服务器，也不需要单独的向量数据库：Workers + Workers AI + Vectorize + KV，一个 Worker 文件就实现了入库、混合检索和流式问答。
做了什么
NESBox 是我做的一个复古游戏在线联机平台。游戏库里有一百多款游戏，简介中文、英文、日文都有。用户常常记不住游戏名，只记得"那个骑摩托越野的"、"两个人一起打的格斗游戏"。
所以我给它加了两个 AI 功能，都放在全局搜索框（⌘K）里：
- 语义搜索：用自然语言描述来找游戏，结果和本地按名称、拼音匹配的结果合并显示。
- AI 问答：输入
?开头的问题，本地帮助条目都没匹配上时，基于游戏库流式生成回答，用用户当前的界面语言回复。
后端是一个 Cloudflare Worker，提供四个接口：
#NESBox#Cloudflare#Cloudflare Workers#Cloudflare Workers AI#Cloudflare Vectorize#Cloudflare KV#bge-m3#bge-reranker-base#Nemotron 3 120B#Gem