04 - 进阶RAG模式

定位: 在基础 RAG Pipeline 之上的增强架构——解决单次检索/单轮生成的局限性 面试高频度: ⭐⭐⭐⭐

一、板块在体系中的位置

上游：01-RAG基础 + 02-检索系统 + 03-生成与融合
  │
  ▼
【04-进阶RAG模式】 ← 你现在在这里
  │  ┌────────────────────────────────────┐
  │  │ 从单次检索 → 多轮交互/反思/结构化   │
  │  │ 从文本检索 → 图谱/树状/Agent驱动    │
  │  └────────────────────────────────────┘
  │
  ▼
下游：05-评估与优化（进阶模式需要更复杂的评估）

二、知识全景图

┌──────────────────────────────────────────────────────────────┐
│                    进阶 RAG 模式全景图                         │
│                                                              │
│  ┌──────────────────────────────────────────────────┐        │
│  │              基础 RAG Pipeline                    │        │
│  │     Query → Retrieve → Augment → Generate        │        │
│  └──────────────────────────────────────────────────┘        │
│                         │                                     │
│            ┌────────────┼────────────┐                        │
│            ▼            ▼            ▼                        │
│  ┌────────────┐ ┌────────────┐ ┌────────────┐                │
│  │ Agentic    │ │ Self-RAG   │ │ Graph RAG  │                │
│  │ Agent自主  │ │ 自我反思    │ │ 知识图谱   │                │
│  │ 规划检索   │ │ 按需检索    │ │ 结构增强   │                │
│  └────────────┘ └────────────┘ └────────────┘                │
│                                                              │
│  ┌────────────┐ ┌────────────┐ ┌────────────┐                │
│  │ Corrective │ │ RAPTOR     │ │ Agentic    │                │
│  │ RAG        │ │ 递归摘要树  │ │ Routing    │                │
│  │ 纠错机制   │ │ 分层检索   │ │ 路由分发   │                │
│  └────────────┘ └────────────┘ └────────────┘                │
│                                                              │
│  核心提升：质量 ↑ 幻觉 ↓ 多步推理 ↑ 结构理解 ↑               │
└──────────────────────────────────────────────────────────────┘

三、子专题导航

#	主题	面试频率	核心内容
**AgenticRAG**	Agentic RAG	⭐⭐⭐⭐	Agent 自主规划、工具调用、多步检索
**SelfRAG与CorrectiveRAG**	Self-RAG与CRAG	⭐⭐⭐⭐	自我反思、按需检索、纠错生成
**GraphRAG**	Graph RAG	⭐⭐⭐⭐	知识图谱增强、实体关系检索
**RAPTOR与分层检索**	RAPTOR与分层检索	⭐⭐⭐	递归摘要、层次化检索

四、核心考点速记

1. 基础 RAG 的主要缺陷 vs 进阶解法

基础 RAG 缺陷：单次检索可能错过关键信息、无法处理多步推理、无法自我纠正
进阶解法：
  → Agentic RAG：Agent 规划多步检索策略
  → Self-RAG：对检索结果自我评估质量
  → Graph RAG：用实体关系结构化知识
  → RAPTOR：分层摘要覆盖不同粒度

2. Self-RAG 的核心创新

传统 RAG：检索 → 生成（无反馈机制）
Self-RAG：
  ① 按需检索（判断是否需要外部知识）
  ② 检索结果自评（生成反思 Token）
  ③ 根据评分选择生成或拒绝
  → 本质：让生成模型参与检索质量的判断

3. Graph RAG 解决了什么？

向量检索的问题：只能做"语义相似"，无法做"关系推理"
  "A 的 CEO 是谁？" → 向量检索只能找包含"A"的文档
Graph RAG 解法：实体提取 → 知识图谱构建 → 遍历关系路径
  适合：多跳推理、关系密集型查询
  代价：构建成本高、更新复杂

📚 相关文件

• **RAG文库设计文档**
• **RAG基础索引**
• ← 返回 **RAG文库设计文档**