RAG 检索引擎

RAG（Retrieval-Augmented Generation）检索引擎是这个项目里最复杂的模块之一。它不是简单地"搜一下然后丢给模型"，而是有一套完整的流水线：双通道并行检索 → 质量过滤 → RRF 融合 → 父块提升 → Rerank 重排序 → 证据预算控制 → Prompt 组装。

检索引擎总入口

包路径： org.javaup.ai.chatagent.rag.service

方法	返回值	说明
`retrieve(plan, traceRecorder)`	`RagRetrievalContext`	检索主入口，返回完整的检索上下文

对于执行计划中的每个子问题，引擎会并行执行以下步骤：

子问题
  ↓
并行扇出到所有检索通道（向量 + 关键词）
  ↓
各通道独立检索，带超时保护
  ↓
证据门控过滤（分数阈值）
  ↓
RRF 融合排序（K=60）
  ↓
父块提升（小块→大块）
  ↓
Rerank 重排序（外部模型）
  ↓
FinalTopK 裁剪
  ↓
分配引用编号

多个子问题之间也是并行执行的，最后汇总所有子问题的证据。

付费内容提示

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

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

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。