分层 RAG / 层级 RAGHierarchical RAG范式父文档检索Parent Document RAG范式RAG 即检索增强生成Retrieval-Augmented Generation是结合文档检索与大模型生成的技术从私有知识库检索相关内容再交给大模型回答缓解大模型幻觉、支持私有数据问答 。工作流程分为两大主线1、文档预处理将文档上传–各种文档数据的读取– 按照页切分–按照章节切分– 按照父子分块切分– 将父子块保存到 mysql 数据库– 将子块数据保存到 milvus 数据库– 将原始文档的元数据保存到 mysql 数据库2、问题检索用户提问– 使用大模型润色问题– 检索 milvus 子块数据– 根据子块数据查询 mysql 中的父块数据两者融合对子块信息进行拓展– 通过 bm25 进行精确检索– 将向量检索和 Bm25 检索结果 进行 rrf 混合打分– 使用重排序模型对问题和检索的内容进行打分然后排序 -- 对结果进行低分过滤 -- 将检索出来的内容拼接成正规的格式丢给大模型进行处理– 大模型得到的结果 进行 引用的校验 -- 得到正确的结果 -- 将本次查询内容保存 mysql 数据库