跳到主要内容

检索

检索 Pipeline 是 RAG（检索增强生成）流程中的关键环节，主要负责在用户提问时，从知识库中查找相关内容并召回合适的片段，供后续生成答案使用。通过为不同 Agent 或业务场景配置独立的检索 Pipeline，用户可以更灵活地控制“怎么检索、召回哪些内容、按什么规则返回结果”，并结合测试与发布机制持续优化效果，从而提升最终答案的准确性与可控性。

检索 Pipeline 的类型​

系统提供 “基础编排” 与 “高级编排” 两种模式。支持从简单的关键词检索到复杂的多路召回、重排序、变量聚合等高级流程，帮助开发者灵活定制检索与生成链路。

对应两种模式，系统分别内置了 default basic pipeline（基础编排）与 default advanced pipeline（高级编排）。内置 Pipeline 不可修改、不可删除，但支持复制后修改，便于新手用户在官方模板基础上快速定制符合自身业务的检索流程。

对比维度基础编排高级编排
流程影响范围继承开始节点的更多属性，整个编排流程直接影响最终的答案生成。流程仅作用于检索阶段，不直接影响最终答案的输出。
输出内容答案 + 相关片段（包含向量等详细信息）仅输出答案（不包含向量等额外信息）
适用场景需要深度控制检索逻辑并希望流程影响最终回答的场景。只需优化检索召回质量，而答案生成由其他节点独立负责的场景。

默认内置 Pipeline 在功能上已完全覆盖原有 RAG 检索能力，可以直接使用，也可以复制后按需定制，例如自定义问题改写、添加过滤规则等。

继承机制​

检索Pipeline不能独立使用，必须绑定到具体的 Agent 上。绑定后，检索Pipeline会继承该 Agent 的基础配置，并将这些属性传递到 Pipeline 开始节点的输入中。

继承的属性：用户输入、对话历史、模型选择、外部配置参数

该机制使检索 Pipeline 能够无缝感知 Agent 上下文，避免重复配置。

运行机制​

检索Pipeline 的执行触发方式取决于其类型：

基础编排
在执行 retrieval tool 时触发。需要在 Agent 配置中打开对应的开关。

高级编排
在执行到对应的 retrieval node 时触发。需要在知识库节点配置中打开对应的开关。

创建与配置​

创建检索Pipeline​

如果不使用内置 Pipeline，用户也可以按以下步骤从头创建自定义的检索Pipeline。

  1. 在检索页面右上角点击 “新增” 按钮，进入创建页面。
  2. 填写基本信息：
    • 名称：检索的名称。
    • 适用 Agent 范围：
      • 基础编排：适用于基础编排需求，提供流程控制、变量管理等核心功能。
      • 高级编排：适用于高级编排需求，除基础功能外，提供更多流程节点类型。
    • 启用：控制检索是否生效。
    • 描述：补充说明适用场景或配置要点。
  3. 点击 “保存” 完成创建。

配置检索Pipeline​

创建完成后，点击检索 Pipeline 的 “” 编辑图标进入配置界面。用户可以按需从节点库添加节点，并通过连线组合出自定义检索流程。

节点类型详解​

节点库提供了丰富的功能节点，用于构建检索流程中的各个处理环节。

提示：关于节点更多的详细说明，请点击任一节点的配置页面的右上角的 “”进入说明文档查看。

开始​

  • 功能：RAG Pipeline 的入口节点，负责传递用户输入和相关配置属性。
  • 类型差异：
    • 基础编排：包含额外参数（robot_prompt、language、timezone_offset）。
    • 高级编排：标准参数集。
  • 作用：作为 Pipeline 继承 Agent 配置的入口。

检索​

  • 功能：核心检索节点，支持文档检索和 Q&A 检索两种模式，通过关键词和向量双路检索返回相似度高的片段。
  • 检索类型：
    • 文档检索：用户上传的文档空间。
    • Q&A 检索：维护的问答对。
  • 适用场景：知识库问答、文档内容搜索、FAQ 匹配。

过滤节点​

  • 功能：根据指定的 k 值对检索返回的片段数量进行筛选，控制检索结果数量。
  • 继承配置：若选择继承开始节点，基础编排继承 Agent 检索策略的“最大召回数量”；高级编排继承检索节点的“Top K”。
  • 适用场景：避免过多无关片段干扰生成结果，同时保证足够的相关信息。

LLM 重排节点​

  • 功能：使用大语言模型对检索片段进行智能重排序，通过内置固定提示词评估片段与问题的相关性。
  • 模型选择：可继承开始节点的模型配置，也可单独指定。
  • 适用场景：需要高精度排序的问答场景、多源检索结果融合后的精排。
  • 建议：先用其他方式粗排，再使用 LLM 精排，以控制成本。

RRF 重排节点​

  • 功能：使用 Reciprocal Rank Fusion（倒数排名融合）算法，对来自不同检索源的片段进行加权重排序。
  • 输入：多个来源的片段列表和对应权重。
  • 适用场景：向量检索与关键词检索结果融合、多知识库检索结果融合、不同检索策略结果融合。

变量聚合器​

  • 功能：将多个变量分组聚合为输出变量，提供“取首个非空值”和“合并为列表”两种策略。
  • 适用场景：多路检索结果汇合、条件分支后的数据合并、备选方案的优先级选择。

分词节点​

  • 功能：将输入文本通过固定分词工具进行分词处理，输出以 | 分隔的关键词字符串。
  • 适用场景：为检索节点提供 keyword 输入、提取用户问题中的关键词。

模板节点​

  • 功能：使用 Jinja2 模板语法对各变量进行格式化处理，支持字符串拼接、条件判断、循环等，并内置时区处理方法。
  • 适用场景：构建发送给模型的提示词、格式化检索结果、动态生成回复内容。

模型节点（RAG LLM Node）​

  • 功能：向大语言模型发送消息并获取响应，支持继承开始节点的模型配置或单独指定模型。
  • 与高级编排模型节点的区别：可选择继承开始节点的模型配置，保证 Pipeline 内使用的模型与用户对话一致；也可单独指定。
  • 基础编排特殊配置：Streaming Output 开关，开启后模型响应会在对话中流式输出，提升体验。

插件节点​

  • 功能：调用系统中已配置的插件，将上游节点的参数传递给插件执行，并获取返回结果。
  • 适用场景：调用外部 API、执行自定义业务逻辑、数据格式转换、调用第三方服务。

提示：详情请参考插件的相关概念部分，了解插件如何使用。

结束节点​

  • 功能：RAG Pipeline 的终止节点，收集上游节点传递的输入参数并作为最终输出返回。
  • 适用场景：输出经过处理的片段列表、返回模型生成的回答（基础编排专属）。

最佳实践建议​

  • 新手入门：先直接使用 “default basic pipeline” 或 “default advanced pipeline”，理解其默认行为。
  • 按需定制：复制内置 Pipeline，修改检索策略、过滤条件或问题改写逻辑，以满足特定业务需求。
  • 测试验证：在独立环境中测试修改后的 Pipeline，确认召回效果后再绑定到生产 Agent 上。
  • 注意继承：Pipeline 会继承 Agent 的诸多属性，配置 Agent 时请确保这些属性符合预期。
  • 成本控制：在使用 LLM 重排时，先通过过滤或粗排减少输入片段数量，以降低资源消耗。