这里写自定义目录标题欢迎使用Markdown编辑器一、传统 RAG 的瓶颈为什么查得准还不够二、GraphRAG用知识图谱补上关系推理的短板三、迭代式 RAG像人类专家一样边查边想四、重排序让最相关的排到最前面五、高级 RAG 的工程选型按场景组合六、RAG 评估体系用数据说话七、实践中的关键细节新的改变功能快捷键合理的创建标题有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能丰富你的文章UML图表流程图FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好 这是你第一次使用# 高级 RAG 架构演进GraphRAG、迭代式检索与重排序一、传统 RAG 的瓶颈为什么查得准还不够标准 RAG 的流程是把文档切块、向量化、检索相似块、拼进提示词生成答案。这套流程在单点事实查询场景下表现不错——比如公司年假政策是什么答案通常集中在一个文本块里检索一次就能命中。但真实业务中大量问题属于复杂推理型需要把分散在多个文档、多个段落里的信息串联起来才能回答。比如过去三年公司营收增长最快的业务线是什么答案可能分散在财务报告、业务分析、新闻稿等多个文档中且需要多步推理。传统向量 RAG 面对这类问题时往往只见树木、不见森林——每个文本块单独看都相关但拼在一起却凑不出完整答案。这就是传统 RAG 的结构性瓶颈它依赖局部相似度而复杂问题需要全局视野。为了突破这个瓶颈业界发展出了多种高级 RAG 架构。二、GraphRAG用知识图谱补上关系推理的短板GraphRAG 是近年来最受关注的高级 RAG 方案。它的核心思路是在向量检索之外引入知识图谱Knowledge Graph来建模实体之间的关系。传统向量检索把文本映射为向量擅长语义接近的匹配但不理解实体之间的结构化关系。知识图谱则相反——它用节点实体和边关系构建结构化网络擅长多跳推理A 关联 B、B 关联 C那么 A 和 C 有什么关系GraphRAG 的典型流程是第一步实体抽取。用大模型从文档中抽取实体人名、公司、产品、时间等和关系构建知识图谱。这一步通常离线完成是 GraphRAG 成本最高的环节。第二步社区检测。把知识图谱划分为多个社区Community每个社区内的实体关系紧密。对每个社区生成摘要形成社区摘要层。第三步混合检索。查询时既做向量检索召回相关文本块也做图谱检索召回相关实体和社区摘要两者结合作为上下文。第四步生成答案。模型基于文本块 图谱结构 社区摘要生成回答。GraphRAG 的优势在于一是擅长全局性、总结性问题“这个组织的主要业务是什么”二是擅长多跳推理“A 和 C 有什么关系”三是能回答跨文档盲区问题。它的代价是构建图谱成本高、流程复杂不适合所有场景。三、迭代式 RAG像人类专家一样边查边想传统 RAG 是一问一答、一查了事——用户问题直接检索一次拿到结果就生成答案。但复杂问题往往无法一次检索到位第一轮检索可能漏掉关键证据或者检索到的内容太泛、噪声太大。迭代式 RAGIterative RAG借鉴了人类专家查阅资料的习惯先抛出一个初步问题拿到第一批资料后快速消化发现缺了某些关键证据就根据新线索发起第二轮、甚至第三轮更精准的检索直到凑齐所有拼图再生成最终答案。迭代式 RAG 的核心机制是检索-阅读-反思-再检索的动态循环第一轮用原始问题检索生成包含部分已知事实的中间结果。反思评估当前证据链是否完整是否存在逻辑断层或未解答的子问题。再检索从中间结果中提取新的关键词、专有名词、时间地点构造更精准的查询再次检索。循环重复反思-再检索直到证据链完整或达到最大轮数。最终整合基于所有轮次收集的证据生成最终答案。迭代式 RAG 的优势是能处理复杂、多跳、跨领域的问题缺点是多次检索增加延迟和成本且需要设计何时停止迭代的机制。实践中通常设置最大迭代轮数并让模型在每轮评估证据是否足够。四、重排序让最相关的排到最前面检索质量是 RAG 效果的分水岭而重排序Rerank是提升检索质量最立竿见影的手段之一。向量检索的相似度计算如余弦相似度是粗粒度的——它把整个文本块压缩成一个向量细节信息在压缩过程中丢失。这导致一个问题向量检索召回的 Top-K 里可能混着不少看起来相关、实则无关的结果而真正相关的反而排在后面。重排序的思路是两阶段检索第一阶段用向量检索快速召回一个较大的候选集比如 Top 100第二阶段用更精细的重排序模型对候选集重新打分排序取 Top 5 作为最终上下文。重排序模型通常比向量相似度更精准因为它能对查询-文档对做更细粒度的交互匹配。一个典型例子是 ColBERT 的晚期交互机制它不为整个文档生成一个向量而是为每个 token 生成向量打分时让查询的每个 token 去文档中找最匹配的 token实现词级别的对齐。这种机制对发货后能否改地址这类需要精确匹配的问题效果显著优于单向量方案。工程上重排序的接入非常简单——在现有向量检索后面串一层重排序模型即可对原有系统改动很小收益却很明显。五、高级 RAG 的工程选型按场景组合高级 RAG 技术不是互相排斥的而是可以组合使用。给出几条务实的选型建议单点事实查询为主标准 RAG 混合检索 重排序即可不需要上复杂架构。复杂多跳推理为主考虑 GraphRAG 或迭代式 RAG。如果知识图谱构建成本可接受GraphRAG 效果更好如果希望快速落地迭代式 RAG 更灵活。全局总结性问题为主GraphRAG 的社区摘要机制特别适合总结整个组织/项目类问题。对延迟敏感避免迭代式 RAG 的多轮检索用一次检索 重排序控制延迟。对成本敏感GraphRAG 的图谱构建成本高迭代式 RAG 的多轮检索成本高标准 RAG 重排序是性价比最高的组合。六、RAG 评估体系用数据说话高级 RAG 架构越复杂越需要一套科学的评估体系来支撑决策。没有评估你无法知道 GraphRAG 是否真的比标准 RAG 好也无法判断重排序模型带来的收益是否值得它的成本。RAG 评估通常分两个层面检索评估衡量检索到的内容是否相关。常用指标是召回率RecallK——正确答案是否出现在前 K 个检索结果中。这个指标不依赖模型生成可以自动化评估适合快速迭代检索策略。生成评估衡量最终答案是否正确。可以人工评估也可以用强模型LLM-as-a-Judge打分。评估维度包括准确性答案是否正确、忠实度答案是否基于检索内容而非模型臆造、完整性是否覆盖了问题的所有方面。建立评估集是评估工作的核心。建议从真实业务数据中抽取样本覆盖三类问题单点事实查询、复杂多跳推理、全局总结性查询。这三类问题恰好对应不同 RAG 架构的优势区间能帮你判断哪种架构适合我的业务。评估要形成闭环每次调整检索策略、重排序模型或架构后都跑一遍评估集对比指标变化。用数据驱动决策而不是凭感觉选型。七、实践中的关键细节最后分享几个高级 RAG 落地中的关键细节。第一评估先行。任何检索优化都要有量化评估支撑——建立评测集对比不同方案在召回率、答案准确率上的差异用数据说话而不是凭感觉。第二缓存与预计算。GraphRAG 的图谱构建、社区摘要都是离线预计算的可以在文档更新时增量重建避免每次查询都做重活。第三可观测性。记录每次查询的检索结果、重排序结果、最终上下文方便排查为什么这个答案质量差。第四渐进式落地。不要一上来就上 GraphRAG 这种重方案。先用标准 RAG 跑通再根据实际效果评估是否需要升级。很多场景下标准 RAG 混合检索 重排序已经能解决 80% 的问题。高级 RAG 的本质是让检索从查相似走向查相关、从查一次走向查得准。理解了这些架构背后的设计思想你就能根据业务场景做出合理的技术选型而不是盲目追逐新概念。Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持除了标准的Markdown编辑器功能我们增加了如下几点新功能帮助你用它写博客全新的界面设计将会带来全新的写作体验在创作中心设置你喜爱的代码高亮样式Markdown将代码片显示选择的高亮样式进行展示增加了图片拖拽功能你可以将本地的图片直接拖拽到编辑区域直接展示全新的KaTeX数学公式语法增加了支持甘特图的mermaid语法1功能增加了多屏幕编辑Markdown文章功能增加了焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置等功能功能按钮位于编辑区域与预览区域中间增加了检查列表功能。功能快捷键撤销Ctrl/CommandZ重做Ctrl/CommandY加粗Ctrl/CommandB斜体Ctrl/CommandI标题Ctrl/CommandShiftH无序列表Ctrl/CommandShiftU有序列表Ctrl/CommandShiftO检查列表Ctrl/CommandShiftC插入代码Ctrl/CommandShiftK插入链接Ctrl/CommandShiftL插入图片Ctrl/CommandShiftG查找Ctrl/CommandF替换Ctrl/CommandG合理的创建标题有助于目录的生成直接输入1次#并按下space后将生成1级标题。输入2次#并按下space后将生成2级标题。以此类推我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。如何改变文本的样式强调文本强调文本加粗文本加粗文本标记文本删除文本引用文本H2O is是液体。210运算结果是 1024.插入链接与图片链接: link.图片:带尺寸的图片:居中的图片:居中并且带尺寸的图片:当然我们为了让用户更加便捷我们增加了图片拖拽功能。如何插入一段漂亮的代码片去博客设置页面选择一款你喜欢的代码片高亮样式下面展示同样高亮的代码片.// An highlighted blockvarfoobar;生成一个适合你的列表项目项目项目项目1项目2项目3计划任务完成任务创建一个表格一个简单的表格是这么创建的项目Value电脑$1600手机$12导管$1设定内容居中、居左、居右使用:---------:居中使用:----------居左使用----------:居右第一列第二列第三列第一列文本居中第二列文本居右第三列文本居左SmartyPantsSmartyPants 是一个文本转换工具主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如原始符号转换后说明引号“引号”直引号变弯引号单引号‘单引号’直单引号变弯单引号--–两个连字符变短破折号---—三个连字符变长破折号...…三个点变省略号创建一个自定义列表MarkdownText-to-HTMLconversion toolAuthorsJohnLuke如何创建一个注脚一个具有注脚的文本。2注释也是必不可少的Markdown将文本转换为HTML。KaTeX数学公式您可以使用渲染LaTeX数学表达式 KaTeX:Gamma公式展示Γ ( n ) ( n − 1 ) ! ∀ n ∈ N \Gamma(n) (n-1)!\quad\forall n\in\mathbb NΓ(n)(n−1)!∀n∈N是通过欧拉积分Γ ( z ) ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) \int_0^\infty t^{z-1}e^{-t}dt\,.Γ(z)∫0∞​tz−1e−tdt.你可以找到更多关于的信息LaTeX数学表达式here.新的甘特图功能丰富你的文章2014-01-072014-01-092014-01-112014-01-132014-01-152014-01-172014-01-192014-01-21已完成进行中计划一计划二现有任务Adding GANTT diagram functionality to mermaid关于甘特图语法参考 这儿,UML图表可以使用UML图表进行渲染例如下面产生的一个序列图王五李四张三王五李四张三李四想了很长时间, 文字太长了不适合放在一行.你好李四, 最近怎么样?你最近怎么样王五我很好谢谢!我很好谢谢!打量着王五...很好... 王五, 你怎么样?关于UML图表语法参考 这儿,流程图链接长方形圆圆角长方形菱形关于Mermaid语法参考 这儿,FLowchart流程图我们依旧会支持flowchart.js的流程图语法Created with Raphaël 2.3.0开始我的操作确认结束yesno关于Flowchart流程图语法参考 这儿.导出与导入导出如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到文章导出生成一个.md文件或者.html文件进行本地保存。导入如果你想加载一篇你写过的.md文件在上方工具栏可以选择导入功能进行对应扩展名的文件导入继续你的创作。mermaid语法说明 ↩︎注脚的解释 ↩︎