跳到主要内容

检索请求的构建流程

上一篇讲到，每个检索通道在执行 retrieve 之前，都会先调用 documentRetrieveRequestFactory.build(subQuestion, plan, topK) 来构建一个统一的检索请求对象。这个工厂方法是向量通道和关键词通道共用的前置步骤，负责把原始子问题"加工"成一个更精准的检索请求。

向量检索通道 VectorRetrievalChannel#retrieve​

public RetrievalChannelResult retrieve(String subQuestion, ConversationExecutionPlan plan) {

    // 使用向量通道自己的 topK 构造请求；请求中会包含 retrievalQuery、文档范围、任务范围和结构过滤提示。
    List<Document> documentList = documentKnowledgeService.vectorSearch(
        documentRetrieveRequestFactory.build(subQuestion, plan, properties.getVectorTopK())
    );
    // 返回统一通道结果对象，后续 RagRetrievalEngine 会对所有通道结果做闸门过滤和 RRF 融合。
    return new RetrievalChannelResult(
        channelName(), documentList
    );
}

关键词检索通道 KeywordRetrievalChannel#retrieve​

public RetrievalChannelResult retrieve(String subQuestion, ConversationExecutionPlan plan) {
    // 使用关键词通道自己的 topK 构造请求；请求工厂会同时加入历史上下文和文档结构提示。
    List<Document> documentList = documentKnowledgeService.keywordSearch(
        documentRetrieveRequestFactory.build(subQuestion, plan, properties.getKeywordTopK())
    );

    // 返回统一通道结果对象，后续统一进入证据闸门、RRF 融合和父块扩展流程。
    return new RetrievalChannelResult(
        channelName(), documentList
    );
}

这篇就来把这个方法彻底拆开讲清楚。

build 方法整体流程​

先看完整源码 DocumentRetrieveRequestFactory#build：

付费内容提示

该文档的全部内容仅对「JavaUp项目实战&技术讲解」知识星球用户开放

加入星球后，你可以获得：

  • 超级八股文：100万+字的全栈技术知识库，涵盖技术核心、数据库、中间件、分布式等深度剖析的讲解
  • 讲解文档：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的从0到1的详细文档
  • 讲解视频：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的核心业务详细讲解
  • 1 对 1 解答：可以对我进行1对1的问题提问，而不仅仅只限于项目
  • 针对性服务：有没理解的地方，文档或者视频还没有讲到可以提出，本人会补充
  • 面试与简历指导：提供面试回答技巧，项目怎样写才能在简历中具有独特的亮点
  • 中间件环境：对于项目中需要使用的中间件，可直接替换成我提供的云环境
  • 面试后复盘：小伙伴去面试后，如果哪里被面试官问住了，可以再找我解答
  • 远程的解决：如果在启动项目遇到问题，本人可以帮你远程解决
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。
知识星球二维码

1. 打开微信 -> 扫描左侧二维码 -> 加入「JavaUp项目实战&技术讲解」知识星球

2. 查看星球使用指导，获取完整项目讲解资料索引

👉 点击解锁全部付费内容
🎁优惠