Naive RAG (朴素 RAG)
定义
核心思想
- 将文档分块、向量化并存入向量数据库
- 用户查询也向量化，并在数据库中检索最相似的文档块
- 最后，将查询和检索到的文档块一起输入 LLM 生成答案
优缺点分析
Advanced RAG (高级 RAG)
定义
核心思想
- 化索引（如滑动窗口、细粒度分割、元数据利用）
- 优化查询（如查询重写、扩展、转换）
- 优化检索结果（如重排序、过滤、压缩）
优缺点分析
Modular RAG (模块化 RAG)
定义
核心思想
- 模块化设计，每个模块可独立实现和替换
- 支持迭代、自适应、递归等多种检索模式
- 通过组合不同模块来适应不同任务需求
优缺点分析
GraphRAG (图 RAG)
定义
核心思想
- 建基于图的文档索引
- 利用图数据库和查询语言进行检索
- 将检索到的图信息与文本信息结合，输入 LLM 生成答案
优缺点分析
Agentic RAG (智能体 RAG)
定义
核心思想
- 使用 AI 代理管理 RAG 流程
- 利用代理设计模式（反射、规划、工具使用、多代理协作）
- 代理可动态协调 RAG 组件，进行推理，并根据上下文采取行动