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
优缺点分析
总结
