nexus/wiki/concepts/Retrieval.md

title, type, tags, sources, last_updated

title	type	tags	sources	last_updated
Retrieval	concept	RAG 向量检索 语义搜索	rag从入门到精通系列1-基础rag	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