RAG根节点
检索增强生成
从外部数据获取证据，辅助模型生成可验证答案。
| 问题类型 | 首选方案 |
|---|---|
| 私有、半静态文档事实 | RAG |
| 余额、库存、股价、订单状态 | API / SQL |
| 跨文档多跳关系或动态工具编排 | Graph / Agentic RAG |
| 固定风格、格式或行为 | Prompt / Fine-tuning |
从外部数据获取证据，辅助模型生成可验证答案。
Document / Chunk / Embedding / Retriever / Reranker / Citation。
统一 doc_id、版本、chunk、source locator、权限与追踪标识。
PDF、网页、表格、OCR、音视频 → 可追溯的结构化原始内容。
结构切分、语义切分、父子切分；平衡检索聚焦与证据完整。
Dense / Sparse / ANN / HNSW / IVF，管理模型与索引版本一致性。
意图、实体、时间、指代、改写、分解，并路由到正确数据能力。
Dense + BM25 + 精确字段，权限过滤后进行去重、RRF 或加权融合。
Cross-encoder / LLM / 规则联合判断相关性、条件匹配与证据充分性。
父块回溯、邻接扩展、去重、Token 预算、引用映射与安全边界。
生成答案，校验格式、引用支持性、数字条件；不足则补检索或拒答。
知识生命周期、权限、幂等、重试、缓存、可观测、性能与成本。
Recall@K / NDCG / Faithfulness / Citation / P95 / Cost，按层定位失败。
Hybrid、层级、多跳、Agentic、Graph、Multimodal、自检纠错，按问题选择。