RAG检索引擎的核心流程
上一篇我们看到 RagChatExecutor.execute 方法会调用 ragRetrievalEngine.retrieve() 进行知识检索。这个方法是整个 RAG 问答链路的核心，负责把用户的问题转换成可用的证据。这篇就来详细拆解这个检索引擎是怎么工作的。
RagRetrievalEngine 的职责
先看类注释，了解这个组件的定位：
/**
* RAG 检索引擎。
* 该组件负责把编排阶段产出的检索问题真正落到多通道检索执行上，并完成：
* 1. 子问题拆分后的并发检索
* 2. 通道级超时隔离与降级
* 3. 向量 / 关键词结果闸门过滤
* 4. 多通道 RRF 融合
* 5. 父块提升与 rerank
* 6. 最终证据裁剪、引用编号和检索观测记录
*/
@Slf4j
@Service
public class RagRetrievalEngine {
private static final int RRF_K = 60;
private final List<RetrievalChannel> retrievalChannels;
private final ChatRagProperties properties;
private final DocumentPostProcessor rerankPostProcessor;
private final DocumentKnowledgeService documentKnowledgeService;
private final ExecutorService executorService;
public RagRetrievalEngine(List<RetrievalChannel> retrievalChannels,
ChatRagProperties properties,
HttpDocumentRerankPostProcessor rerankPostProcessor,
DocumentKnowledgeService documentKnowledgeService,
@Qualifier("chatRagExecutorService") ExecutorService executorService) {
this.retrievalChannels = retrievalChannels;
this.properties = properties;
this.rerankPostProcessor = rerankPostProcessor;
this.documentKnowledgeService = documentKnowledgeService;
this.executorService = executorService;
}
}
从依赖注入可以看出，这个引擎需要：
- retrievalChannels：所有可用的检索通道（向量检索、关键词检索等）
- properties：RAG 配置参数（超时时间、topK、阈值等）
- rerankPostProcessor：重排序处理器
- documentKnowledgeService：文档知识服务（用于父块提升）
- executorService：线程池（用于并发检索）
付费内容提示
该文档的全部内容仅对「JavaUp项目实战&技术讲解」知识星球用户开放
加入星球后，你可以获得：
- 超级八股文：100万+字的全栈技术知识库，涵盖技术核心、数据库、中间件、分布式等深度剖析的讲解
- 讲解文档：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的从0到1的详细文档
- 讲解视频：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的核心业务详细讲解
- 1 对 1 解答：可以对我进行1对1的问题提问，而不仅仅只限于项目
- 针对性服务：有没理解的地方，文档或者视频还没有讲到可以提出，本人会补充
- 面试与简历指导：提供面试回答技巧，项目怎样写才能在简历中具有独特的亮点
- 中间件环境：对于项目中需要使用的中间件，可直接替换成我提供的云环境
- 面试后复盘：小伙伴去面试后，如果哪里被面试官问住了，可以再找我解答
- 远程的解决：如果在启动项目遇到问题，本人可以帮你远程解决
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。
