七种RAG架构cheat sheet！🔥 - r0ad - 沸点 - 掘金

engineer @yu1in

七种RAG架构cheat sheet！

RAG 即检索增强生成（Retrieval - Augmented Generation ），是一种结合检索技术和生成模型的人工智能方法。

RAG 分为两个阶段：索引阶段和查询阶段，每个阶段都有超多硬核技术加持！💡

索引阶段 📂

Embedding model：嵌入模型，把数据变成低维向量，计算机秒懂！
Generative model：生成模型，文本、图像随便生成，创意无限！
Reranker model：重排序模型，检索结果重新排，相关性拉满！
Vector database：向量数据库，存储向量数据，检索快到飞起！
Prompt template：提示模板，指导模型生成特定格式，输出超精准！

查询阶段

Multimodal embedding model：多模态嵌入模型，图像、文本全搞定，统一嵌入表示！
Multimodal generative model：多模态生成模型，多种数据结合生成，输出超丰富！
LLM Graph Generator：大语言模型图生成器，生成图结构数据，复杂关系轻松搞定！
Graph database：图数据库，存储图结构数据，图查询操作超高效！
AI agent：AI 代理，代表用户执行任务，决策交互超智能！

Weaviate 的 7 种 RAG 架构 🧩

朴素 RAG（Naive RAG）：简单直接，基础场景必备！
检索与重新排序 RAG（Retrieve-and-rerank）：检索后重排序，精度拉满！
混合 RAG（Hybrid RAG）：向量+关键词检索，信息覆盖率超高！
多模态 RAG（Multimodal RAG）：文本、图像、音频全搞定，复杂查询不在话下！
图 RAG（Graph RAG）：知识图谱加持，复杂关系轻松分析！
智能代理型 RAG（Agentic RAG）：动态代理实时调整，多任务处理神器！
多代理 RAG（Multi-Agent RAG）：多个 AI 代理协作，复杂任务轻松搞定！

#RAG #AI技术 #检索增强生成 #多模态 #知识图谱 #智能代理

展开

大模型生态圈