正在加载模式…
🔧
纠错型 RAG（CRAG）
通过质量评估和重新检索，自动检测并纠正低质量检索结果的 RAG 系统
复杂度: high知识检索（RAG）
30秒速览
- 是什么
- 检索文档并为其相关性打分，当质量低于阈值时用改写后的查询重新检索。
- 何时使用
- 适用于以检索为主的任务：初次结果常常不完整或过时，而你能够承担额外的 API 调用。
- 注意
- 质量阈值设得过高会触发没完没了的重复检索循环，设得过低则失去意义并浪费算力。
向AI专家咨询此模式
打开助手并预填您的问题,发送前可先确认。
纠错型 RAG（CRAG）: 概览
通过质量评估和重新检索，自动检测并纠正低质量检索结果的 RAG 系统
- Retrieval quality assessment
- Automatic error detection
- Corrective re-retrieval
- Query refinement strategies
- Knowledge source expansion
- Quality-based filtering
The Agent Architect
每周一个模式、一个权衡、一个生产事故案例。为构建智能体系统的人准备的每周简报。
每周一封邮件,一键退订。您的地址仅用于发送简报。
参考资料
该模式所依据的论文、规范和代码仓库。
- Corrective Retrieval Augmented Generation (Yan et al., 2024)arXiv:2401.15884
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arXiv:2005.11401
- Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection (Asai et al., 2023)arXiv:2310.11511
- Active Retrieval Augmented Generation (Jiang et al., 2023)arXiv:2305.06983
- Searching for Best Practices in Retrieval-Augmented Generation (Barnett et al., 2024)arXiv:2407.01219
由本目录背后的工程师执行
为你的智能体架构做一次评审
本页讲的是一个模式。真实系统会同时跑几十个，而多数故障恰恰出在它们的衔接处。我们按本目录的 288 个模式评审你的整体设计：架构、可靠性、评测与成本，每一条结论都对应到能修复它的模式。
€750（原价 €1,500），一周交付，书面报告加讲解通话，9月30日前