RAG 范式总结
2025-04-13 15:39:55 1 举报总结了大模型RAG 架构的五范式。 分别是 Native RAG，Advanced RAG，Modular RAG，Graph RAG，Agentic RAG。
作者其他创作
大纲/内容
规划
1. 文件预处理
Naive RAG
用户输入问题
Amazon Bedrock
专业知识文件（pdf、word、txt等）
重排序
任务与角色
7.调用提示工程模板
社区表格
生成器微调
生成
检索后处理
向量化后的段落
分块优化
3.向量化
查询构建
图嵌入
工具
Agentic RAG
知识图谱
调度
文本单元
路由
幻觉与不准确
社区嵌入
自适应
多源融合
RAG 范式
LLM
4.社区总结
查询转换
社区总结
Crew AI
后检索
查询扩展
多步推理与迭代细化
文档图创建
生成节点表格
智能问答
专业知识库
RAG 面临的挑战与局限
单一路由器
评估优化器
分层结构
文档表格生成
增强图表格
融合图数据结构
文档
向量化后的问题
Agentic RAG 类型
代理
检索
知识库中得到top k个相关段落
链接到文本单元
技术栈
Graph RAG
静态工作流
2.文件切分
结构组织
多代理
Modular RAG
纠正型
代理工作流模式
层次结构
实体降维处理
智能体文档工作流
Langgraph
知识引导
Agentic RAG优势
8.调用大模型LLM
第五范式 Agentic RAG
预检索
文件对象
文档预处理
检索源相关
索引
检索器微调
第一范式 Native RAG
反思
编排
代理模式
知识库构建
向量优化、索引优化
Open AI Swarm
1.构成文本单元
4.构建索引
查询路由
切分后的段落
Advanced RAG
输出
基于图的代理检索
第三范式 Modular RAG
6.网络可视化
Agentic RAG 概念技术架构图
3.图增强
用户问题与知识库段落组合形成的context
上下文筛选与压缩
社区检测
实体与关系总结
分割
5.向量化
第二范式 Advanced RAG
验证
缺乏适应性
知识检索
6.与知识库检索
SemanticKemel
协调器 - 工作者模式
实时数据整合
prompt
自适应学习与上下文感知
5.文档处理
返回结果
检索器选择
记忆
提高准确性与减少幻觉
文档嵌入
文档降维处理
增强决策
2.图提取
声明提取
向量化
压缩
提示链
有限的上下文整合
检索前处理
第四范式 Graph RAG
实体消解
AG2（AutoGen）
选择
实体与关系提取
用户
并行化
重排
LlamaIndex
0 条评论
下一页
