SAG 用 SQL JOIN 巧妙实现多跳检索，为 RAG 提供新思路。
RAG 的基本流程与 GraphRAG 的挑战
SAG 核心方法：抽取事件并建立 SQL 查询
性能对比与 SAG 在大数据场景下的应用流程
Select 🫧 From AGI_Bar
说下 RAG 吧，做大模型落地业务的时候，绕不开的话题
这玩意儿其实就是个搜索思路：所谓 RAG，就是让大模型在回答之前，先在数据库里扒拉，找到材料后再组织回答。典型的场景就是企业内知识库、智能客服、文档问答啥的
比如你问：「AGI Bar 的泡沫多少钱一杯？」
模型在 Rag 了数据库之后，会告诉你：标准杯9.9，大杯9.11
至于做法，常见就是下面三步走：
→把资料转化成数据库，方便搜索比对
→提取问题的关键信息，比对数据库，找到语义最相关的片段
→把问题并着那些最相关的片段，再塞回大模型，获得回答
而不同的 RAG 方法，本质上就是对上面流程的优化
但如果换一个场景，当一个问题的回答分布在多个不同的文档里的时候，通过向量搜索很难一次全捞到，通常只能多消耗点 token，花点时间跑 Agent
随后 GraphRAG 横空出世，先把文本里的实体和关系提取出来，建一张知识图谱，用图的结构把信息串起来，但慢慢的，项目会越做越重、图谱越来越大、维护成本越来越高
对于这个问题，我在做赛博月刊时的搭档 Jomy，想出了个小妙招：要不，咱直接 SQL 吧？先把“关系扩展”这件事交给 SQL JOIN，把语义匹配和最终选择留给 embedding / rerank / LLM
然后他还把论文，给挂到了 arxiv：arxiv.org/abs/2606.15971
本文，就来说说他的这个生活小妙招
拆 Event，然后画线
先说下前两年大火 GraphRAG，它通常会从文本里抽取实体和关系，构建知识图谱；很多实现会把关系表示成类似「主体-关系-客体」的三元组，再在图上做社区、摘要或多跳检索
比如「A 公司收购了 B 公司」，拆成 A公司 → 收购 → B公司，然后 Rag 的时候去匹配这些信息但在执行的时候，也会遇到点小问题：不同模型抽出来的关系词不一样
比如…我们中出了叛徒….
这时候 Jomy 想出了个小妙招，先把文本总结出一句话 event，然后提取里面的各种要素 entity 负责索引，对比三元组，大致就是这样：
效果还不错
下面这个信息，来自原始 Paper
在 HotpotQA、2WikiMultiHop、MuSiQue，三个标准的多跳 benchmark，SAG 9 项 Recall@K 指标赢了 8 项，平均 Recall@2 提升了 11.16%
用 SQL，做多跳检索
SAG 的方法，也可以用来做多跳检索
大致就是：拿到初始的一批 event 之后，在 SQL 里取出这些 event 关联的 entity，再查这些 entity 还连着哪些别的 event，排除掉已经有的，就得到了下一跳的候选….就是 JOIN 查询
对于大规模数据，流程也便是新数据进来，切片段，抽 event，抽 entity，进数据库，已经在 5 亿级数据上跑通了，线上检索延迟在秒级
Jomy 自己的产品 Zleap 也是基于 SAG 做的，做企业本地化 Agent 的数据底座，感兴趣的可以去看看
[登录查看剩余 70% 内容](javascript:void (0);)
rag技术rag技术原理rag流程
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
上一篇：谷歌发布OKF（Open Knowledge Format）规范，它与Karpathy的LLM-wiki是什么关系？下一篇：传统RAG已经落伍了？清华大神开源的这个 rag-skill，让知识库检索直接升维
返回列表
相关资讯
2026-07-18 你给AI喂的"企业记忆"，可能全是假的2026-07-17 RAG 怎么评估呢？RAG 评估体系5 个指标让你的知识库从「盲飞」到「可量化」2026-07-17 RAG 工程里的上下文剪枝：如何减少 68% 的上下文2026-07-15 RAG 最难的不是向量库，而是知识链路2026-07-14 别再手调 RAG 了，让 Loop 自己找配置2026-07-14 9.7k Stars，阿里内部跑了几年的向量数据库开源了，不用起服务，import 就能用2026-07-13 AI知识库从零到一：个人wiki+企业RAG方案2026-07-10 千万文档级 RAG 如何逼近零幻觉
联系获取
联系获取
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
把握AI发展的机遇，共同探索、共同进步 2025-01-22如何打造基于GenAI的员工服务机器人 2025-01-22
