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「码力全开」项目实战&技术讲解 知识星球用户开放

加入星球，一次获得完整项目资料、全栈技术知识库和长期答疑服务。

100万+字全栈技术知识库深入讲解技术核心、数据库、中间件和分布式等内容
8套热门的实战项目持续更新的企业级项目覆盖高并发、微服务、数据中台 和 AI Agent 等方向
AI 技术知识大模型面试详解覆盖 AI 模型原理、Agent、RAG、MCP、Skills、Harness 等核心知识点
文档 + 视频两种讲解形式既能系统阅读，也能跟随视频理解核心业务

完整项目实战资料

每套项目均包含从 0 到 1 讲解文档核心业务讲解视频

从基础项目到复杂业务场景，项目资料会持续更新。

8 套项目
  • 01Nexus Agent AI 智能体
  • 02Nexus Agent Pro 完全版
  • 03黑马点评Plus
  • 04大麦
  • 05大麦Pro
  • 06大麦AI
  • 07流量切换
  • 08数据中台

加入后还能获得

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。

从学习、面试到项目启动，都可以继续获得支持。

  • 1 对 1 解答项目和技术问题都可以提问
  • 针对性补充没有讲清楚的内容会继续补充
  • 面试与简历指导梳理回答技巧和项目亮点
  • 中间件云环境项目依赖可以直接接入使用
  • 面试后复盘被问住的问题可以继续交流
  • 远程问题解决项目启动问题可协助排查
知识星球二维码

扫码进入知识星球

  1. 打开微信，扫描左侧二维码，加入「码力全开」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
解锁全部付费内容
🎁优惠