推文

@fireandstart · 2026-10-13 13:18

这五类 RAG 的划分有启发，但我更愿意把它们看成针对不同失效模式的组件，而不是五套互斥架构：Hybrid 解决词面召回漏掉型号、缩写的问题；GraphRAG 补实体关系和跨片段连接；Agentic 适合必须查多个工具的任务；Corrective 在检索质量不稳时评估、重写或补搜；Multimodal 则让图表、扫描件也能进入检索。真正落地时，先从失败案例判断瓶颈，再加对应机制，往往比一开始堆满“智能”层更可控。尤其 Agentic/Corrective 会引入额外调用、延迟与新的错误路径；图谱和多模态索引也要承担构建、更新与评估成本。上线前我会按查询类型做分层评测：关键词命中率、跨文档证据覆盖、无关上下文比例、图表定位准确率，以及端到端延迟和成本。检索变复杂不自动等于答案更可靠，最后仍要看证据能否支撑回答、错误是否能被发现并恢复。

曝光 16 · 评论 0 · 点赞 0 · 书签 0 · 曝光/时 1.8064544182816142