---
title: "Retrieval"
type: concept
tags: [RAG, 向量检索, 语义搜索]
sources: [rag从入门到精通系列1-基础rag]
last_updated: 2025-01-16
---

## Definition

Retrieval（检索阶段）是 RAG 管道的第二阶段，根据用户问题的语义向量（Embedding Vector）在向量数据库中检索与之最相似的 Top-k 个文档块。

## Core Process

```
用户问题 → 问题向量化 → Vector Store 相似度检索 → 返回 Top-k 文档块
```

1. **问题向量化**：将用户输入的自然语言问题通过相同的 Embedding Model 转换为向量
2. **相似度计算**：Vector Store 计算问题向量与所有文档块向量的相似度（常用方法：余弦相似度、点积、欧氏距离）
3. **返回 Top-k 结果**：返回相似度最高的 k 个文档块作为检索结果

## Similarity Metrics

| 方法 | 适用场景 |
|------|----------|
| 余弦相似度（Cosine） | 归一化向量，衡量方向相似性 |
| 点积（Dot Product） | 未归一化向量，兼顾 magnitude |
| 欧氏距离（L2） | 几何距离，适用低维空间 |

## Retrieval Strategies

- **Top-k Retrieval**：返回相似度最高的 k 个结果
- **MMR（Maximal Marginal Relevance）**：平衡相关性和多样性，减少重复信息
- **Hybrid Retrieval**：结合关键词检索（BM25）与向量检索

## Connections

- [[Retrieval]] ← part_of ← [[RAG]]
- [[Retrieval]] ← uses ← [[Vector-Store]]
- [[Retrieval]] ← uses ← [[Embedding]]
- [[Retrieval]] ← feeds_into ← [[Generation]]

## Aliases

- Information Retrieval
- Semantic Search
- 向量检索
- 语义检索