Skip to content

ReactiveChain 02 · RAG 检索增强生成

目标：retriever → context → prompt → llm → parser 一条 RAG 链，验证检索段选择性。

核心组件（M4）

  • Document / RecursiveCharacterTextSplitter：切分语料（中文标点也参与递归分隔）
  • HashEmbeddings（离线）或 OpenAICompatEmbeddings：文本 → 向量
  • InMemoryVectorStore（进程内余弦）；DriverVectorStore 经 host VECTOR_UPSERT/SEARCH 协议持久化
  • VectorStoreRetriever：invoke({"query": ...}) → {"docs": [...]}（Runnable 段）
  • 检索段选择性：同 query 重跑时 retriever 段被指纹缓存跳过（基准见 docs/benchmarks.md）

运行

uv run --directory python/reactivechain python docs/tutorials/code/reactchain_02_rag.py
# 1) 语料切分 5 块并入库
# 2) RAG 回答： ReactiveChain 提供了声明式管道与段级选择性执行。
# 3) 同 query 两次重跑，检索实际执行 1 次（期望 1）

进阶

  • BM25Retriever：无需嵌入的语料内建检索；MultiQueryRetriever / EnsembleRetriever：查询扩展 / 加权合并
  • 检索源切换：把 InMemoryVectorStore 换成 DriverVectorStore(host, embeddings, namespace=[...]) 即可持久化
  • OutputFixingParser 包装：解析失败时调 LLM 修复重试