native

NativeRAG 检索器

NativeRAG 是 GoRAG 的核心检索器实现，支持从基础 RAG 到高级 RAG 的各种场景。

核心设计理念

用户无需了解顺序，Retriever 自动按三阶段组装 Pipeline

// 用户可以随意组合 options - 无需关心顺序
retriever := NewRetriever(vectorStore, embedder, llm, 10,
    WithQueryRewrite(),  // 查询前
    WithHyDE(),          // 查询前
    WithFusion(5),       // 查询前 + 查询后
    WithParentDoc(nil),  // 查询后
    WithRerank(),        // 查询后
)

// Retriever 内部自动按三阶段锁死顺序组装：
// [Pre-Retrieval]  QueryRewrite → HyDE → Decompose
// [Retrieval]      Vector Search
// [Post-Retrieval] RRF → ParentDoc → Rerank → Generate

三阶段 Pipeline 架构

PHASE 0: Cache Check（可选）

• SemanticCache Check - 检查语义缓存命中

PHASE 1: Pre-Retrieval（查询增强）

查询前的优化步骤，按以下顺序执行：

1. QueryRewrite - 重写/澄清查询
2. HyDE - 生成假设性文档
3. StepBack - 生成后退一步的抽象问题
4. Decompose - 分解复杂查询（Fusion 需要）

PHASE 2: Retrieval（向量检索）

核心检索步骤：

• Vector Search - 向量相似度搜索

PHASE 3: Post-Retrieval（结果增强）

检索后的优化步骤，按以下顺序执行：

1. RRF - 倒数排名融合（Fusion 需要）
2. ParentDoc - 父文档扩展
3. SentenceWindow - 句子窗口扩展
4. Prune - 上下文裁剪
5. Rerank - 重排序
6. Generate - 生成答案

PHASE 4: Cache Store（可选）

• SemanticCache Store - 缓存查询结果

使用示例

基础 RAG

import nativeretriever "github.com/DotNetAge/gorag/pkg/retriever/native"

retriever := nativeretriever.NewRetriever(
    vectorStore,
    embedder,
    llm,
    5, // topK
)

查询重写 + Fusion + 父文档扩展

retriever := nativeretriever.NewRetriever(
    vectorStore, embedder, llm, 10,
    nativeretriever.WithQueryRewrite(),
    nativeretriever.WithFusion(5),
    nativeretriever.WithParentDoc(nil),  // 自动使用 DocStore 创建
)

// 自动生成的 Pipeline：
// [Pre] Rewrite → Decompose
// [Retrieval] MultiSearch
// [Post] RRF → ParentDoc → Generate

完整高级 RAG

retriever := nativeretriever.NewRetriever(
    vectorStore, embedder, llm, 10,
    nativeretriever.WithQueryRewrite(),
    nativeretriever.WithHyDE(),
    nativeretriever.WithFusion(5),
    nativeretriever.WithParentDoc(nil),
    nativeretriever.WithSentenceWindow(nil),
    nativeretriever.WithContextPrune(nil),
    nativeretriever.WithRerank(),
)

// 自动生成的 Pipeline：
// [Pre] QueryRewrite → HyDE → Decompose
// [Retrieval] MultiSearch
// [Post] RRF → ParentDoc → SentenceWindow → Prune → Rerank → Generate

带缓存的高级 RAG

cache := memory.NewSemanticCache(embedder, 0.95)

retriever := nativeretriever.NewRetriever(
    vectorStore, embedder, llm, 10,
    nativeretriever.WithCache(cache),
    nativeretriever.WithQueryRewrite(),
    nativeretriever.WithFusion(5),
)

// 自动生成的 Pipeline：
// [Cache] Check
// [Pre] Rewrite → Decompose
// [Retrieval] MultiSearch
// [Post] RRF → Generate
// [Cache] Store

通过 pattern 包使用（推荐）

import "github.com/DotNetAge/gorag/pkg/pattern"

// 基础 RAG
rag, _ := pattern.NativeRAG("myapp", pattern.WithBGE("bge-small-zh-v1.5"))

// 高级 RAG - 随意组合 options
rag, _ := pattern.NativeRAG("myapp",
    pattern.WithBGE("bge-small-zh-v1.5"),
    pattern.WithLLM(myLLMClient),
    pattern.WithQueryRewrite(),
    pattern.WithFusion(5),
    pattern.WithParentDoc(),
    pattern.WithSentenceWindow(),
    pattern.WithContextPrune(),
)

可用选项

基础配置

• WithName(name string) - 设置实例名称
• WithTopK(k int) - 设置检索结果数量
• WithVectorStore(s core.VectorStore) - 设置向量存储
• WithDocStore(s core.DocStore) - 设置文档存储
• WithEmbedder(e embedding.Provider) - 设置嵌入模型
• WithLLM(l chat.Client) - 设置 LLM 客户端
• WithLogger(l logging.Logger) - 设置日志器
• WithTracer(t observability.Tracer) - 设置追踪器

Pre-Retrieval 增强

• WithQueryRewrite() - 重写/澄清查询
• WithHyDE() - 生成假设性文档
• WithStepBack() - 生成后退一步问题
• WithFusion(count int) - 多查询融合（同时也涉及 Post-Retrieval）

Post-Retrieval 增强

• WithParentDoc(expander core.ResultEnhancer) - 父文档扩展（需要 DocStore）
• WithSentenceWindow(expander core.ResultEnhancer) - 句子窗口扩展
• WithContextPrune(pruner core.ResultEnhancer) - 上下文裁剪（需要 LLM）
• WithRerank() - 重排序结果

Cache

• WithCache(cache core.SemanticCache) - 语义缓存

组件依赖关系

设计原则

1. 用户友好 - 用户随意组合 options，无需了解执行顺序
2. 自动装配 - Retriever 内部按三阶段锁死顺序组装
3. 组合灵活 - 支持任意选项组合
4. 渐进增强 - 从基础模式开始，按需添加增强功能
5. 智能依赖 - 自动检测依赖并创建必要组件