RAG 沿革

技术地图

按链路看这些技术落在哪一步

连接图按年份排出全部收录的技术，同一年里再按环节从上到下排列。同一项技术仍只归到它改动最大的环节。

环节

全部架构索引查询检索生成编排评估安全工程

成熟度

全部成熟常用演进中

训练

全部使用现成模型提示或小模型训练需要专门训练

演进关系

从左到右是年份，同一年里按环节从上到下排列。移到节点上，会突出直接相连的技术。

  • 演进
  • 组合
  • 针对局限
RAG 技术演进关系图全部收录技术按发表年份从左向右排列，同一年里按环节从上到下排列。实线表示演进，虚线表示组合，点线表示针对前一项技术的局限。BM25，1994，检索，用词频和文档长度给关键词匹配打分，是后来所有混合检索里的稀疏一路。BM25检索 · 成熟倒数排名融合，2009，检索，不比较各路检索的原始分数，只按名次把多张名单合成一张。倒数排名融合检索 · 常用重排序，2019，检索，召回只求全，重排序再读一遍问题和段落，把真正相关的排到前面。重排序检索 · 常用REALM，2020，架构，在预训练时就检索外部文档，而不是等提问时才去查。REALM架构 · 演进中朴素 RAG，2020，架构，回答前先检索一段外部资料，再交给模型阅读。朴素 RAG架构 · 成熟后期交互，2020，检索，先分别为问题和文档保存词级向量，查询时再做细粒度匹配。后期交互检索 · 常用稠密检索，2020，检索，用向量距离寻找语义相近的段落，而不只匹配相同的词。稠密检索检索 · 成熟多跳检索，2020，检索，答案散落在多篇文档里时，沿着前一步的结果继续查下一跳。多跳检索检索 · 常用kNN-LM，2020，生成，预测下一个词时，把语言模型的概率和检索到的邻近词插值。kNN-LM生成 · 演进中Fusion-in-Decoder，2020，生成，每段资料单独编码，解码时再把多段证据合到一起写答案。Fusion-in-Decoder生成 · 演进中忠实度，2020，评估，单独检查答案是否被给出的资料支持，而不是只看答得像不像。忠实度评估 · 常用RETRO，2021，架构，从零训练一个会在生成中途检索万亿词符语料的模型。RETRO架构 · 演进中WebGPT，2021，编排，让模型操作浏览器收集网页，再写出带引用的答案。WebGPT编排 · 演进中Atlas，2022，架构，检索器和语言模型一起微调，使少量标注就能完成知识密集型任务。Atlas架构 · 演进中多模态 RAG，2022，索引，检索对象从纯文本扩到图像、版面和带图的文档。多模态 RAG索引 · 演进中数据加载，2022 起，索引，把 PDF、Word、网页和扫描件解析成统一的正文、结构元素与来源元数据，再交给切块和索引。数据加载索引 · 常用HyDE，2022，查询，先写一段假想答案，用这段文字的向量去检索，而不是直接用问题。HyDE查询 · 常用混合检索，2022，检索，同时保留关键词和向量两路召回，再把名次或分数合并。混合检索检索 · 常用迭代检索，2022，编排，写推理的中途发现缺证据，就再查一次，而不是一开始把资料一次取完。迭代检索编排 · 常用Demonstrate-Search-Predict，2022，编排，用少量示例告诉模型何时搜索、如何写查询，再根据检索结果作答。Demonstrate-Search-Predict编排 · 演进中RA-DIT，2023，架构，分别微调语言模型和检索器，使两者都为检索增强服务，而不必从零预训练。RA-DIT架构 · 演进中切块策略，2023，索引，不再只按固定字数切开，而是让一块内部尽量是同一个意思。切块策略索引 · 常用父子索引，2023，索引，用小块检索，命中后把包含它的大块交给模型阅读。父子索引索引 · 常用多查询，2023，查询，从一个问题变出多个问法，分别检索后再合并名单。多查询查询 · 常用查询改写，2023，查询，先把用户的原话改写成更适合检索的查询，再去查。查询改写查询 · 常用Text2SQL，2023 起，查询，把自然语言问题转换为受约束的 SQL，让 RAG 从非结构化文档扩展到关系型数据库。Text2SQL查询 · 常用REPLUG，2023，生成，不改黑盒模型的参数，把同一问题配上不同文档分别计算，再合并概率。REPLUG生成 · 演进中引用归因，2023，生成，答案里的每句话标出它依据的是哪一段检索结果。引用归因生成 · 常用上下文压缩，2023，生成，检索之后先把段落压短，只把和问题有关的句子送进模型。上下文压缩生成 · 常用中间迷失，2023，生成，模型更会使用排在上下文开头和结尾的资料，放在中间的相关段落容易被忽略。中间迷失生成 · 常用Self-RAG，2023，生成，由模型自己决定要不要检索，并判断自己的话有没有依据。Self-RAG生成 · 演进中格式化生成，2023 起，生成，用 JSON Schema、类型模型或工具调用约束模型输出，让回答能被程序验证和继续执行。格式化生成生成 · 常用FLARE，2023，编排，生成下一句时如果模型自己没把握，就用这句的预测去检索，再重写这一句。FLARE编排 · 演进中RGB 基准，2023，评估，分开测量模型在有噪声、有反事实和需要拒绝时，还能否用好检索结果。RGB 基准评估 · 常用RAGAS，2023，评估，没有标准答案时，用模型分别给检索和生成打几项代理分。RAGAS评估 · 常用ARES，2023，评估，用少量人工标注校准自动评判，再估计上下文相关性、忠实度和答案相关性。ARES评估 · 演进中新鲜度，2023，工程，资料变了以后，索引和答案要跟着变，而不是一直查建库那天的快照。新鲜度工程 · 常用RAPTOR，2024，索引，把文本块聚类并逐层写摘要，形成一棵可以按层检索的树。RAPTOR索引 · 演进中ColPali，2024，索引，把文档页当成图像来检索，不再先做 OCR 或版面解析。ColPali索引 · 演进中GraphRAG，2024，索引，先从文档抽出实体和关系，再沿社区摘要回答跨全文的问题。GraphRAG索引 · 演进中LongRAG，2024，索引，把检索单位从一百词的短段落放大到数千词，让长上下文模型一次读完。LongRAG索引 · 演进中上下文检索，2024，索引，在嵌入和建 BM25 索引之前，给每个块补上它在原文中的位置和含义。上下文检索索引 · 常用LightRAG，2024，索引，用更轻的图索引同时查具体实体和上层主题，并支持增量更新。LightRAG索引 · 演进中CRAG，2024，检索，先判断检索结果是对、含糊还是错，错了就改道去查别的来源。CRAG检索 · 演进中HippoRAG，2024，检索，用知识图谱和个性化 PageRank 一次找出多跳证据，而不必反复调用模型。HippoRAG检索 · 演进中RAFT，2024，生成，训练模型在一组混有干扰段落的资料里引用真正有用的那几段。RAFT生成 · 演进中RankRAG，2024，生成，同一个模型既给段落排序，也根据排好的段落生成答案。RankRAG生成 · 演进中Speculative RAG，2024，生成，小模型按不同文档子集并行起草，大模型只核对这些草稿并选一份。Speculative RAG生成 · 演进中Adaptive-RAG，2024，编排，先判断问题有多复杂，再决定不查、查一次，还是多步查。Adaptive-RAG编排 · 演进中RAGTruth，2024，评估，用人工标到词级的 RAG 回答语料，测量检索之后仍然出现的幻觉。RAGTruth评估 · 常用CRUD-RAG，2024，评估，按创建、读取、更新、删除四类文本任务评估 RAG，而不是只评估一次问答。CRUD-RAG评估 · 演进中知识库投毒，2024，安全，攻击者往知识库写入少量文本，就能让特定问题稳定检索到并生成攻击者想要的答案。知识库投毒安全 · 演进中权限与隐私，2024，安全，检索前就按身份过滤文档，并防止模型把不该泄露的原文复述出来。权限与隐私安全 · 常用检索缓存，2024，工程，相同或相近的问题复用已经取回的段落和中间结果，避免每次都重新检索和阅读。检索缓存工程 · 演进中Agentic RAG，2025，编排，由流程里的模型决定下一步是检索、换查询、读另一份资料，还是停下来回答。Agentic RAG编排 · 演进中深度研究，2025，编排，面对开放问题，系统自己规划多轮检索、阅读网页并写出带引用的长报告。深度研究编排 · 演进中多模态检索规划，2025，编排，问题本身可以是图或文档页面，系统再决定检索文本、图像还是整页画面。多模态检索规划编排 · 演进中推理与检索协同，2025，编排，检索和推理不再分先后，而是在同一次解题里交替补证据、改推理。推理与检索协同编排 · 演进中GraphRAG 适用边界，2025，评估，用分难度的基准看图谱检索在什么问题上真的胜过普通 RAG。GraphRAG 适用边界评估 · 演进中四条轴线，2026，架构，2026 年的综述不再按年份命名下一代 RAG，而按效率、安全、交互和复杂推理重新归类。四条轴线架构 · 演进中检索路由，2026，编排，按问题和语料是否匹配来选择检索范式，而不是认定某一种高级 RAG 永远更好。检索路由编排 · 演进中领域评测，2026，评估，评测从通用问答走进医学、法律等专业语料，并分开看检索和生成各自贡献了多少。领域评测评估 · 演进中生成器能力评测，2026，评估，在资料已经给定时，单独测量模型会不会整合、推理、读表和拒绝回答。生成器能力评测评估 · 演进中系统性能基准，2026，工程，同一套流水线同时测量吞吐、显存和答案质量，而不是只报告任务分数。系统性能基准工程 · 演进中

节点覆盖目前收录的全部技术。连线只表示编辑过的直接关系。筛选时，不符合条件的节点会淡出。

6 项技术

检索

BM25

1994 · 成熟 · 使用现成模型

用词频和文档长度给关键词匹配打分，是后来所有混合检索里的稀疏一路。

倒数排名融合

2009 · 常用 · 使用现成模型

不比较各路检索的原始分数，只按名次把多张名单合成一张。

重排序

2019 · 常用 · 使用现成模型

召回只求全，重排序再读一遍问题和段落，把真正相关的排到前面。

稠密检索

2020 · 成熟 · 使用现成模型

用向量距离寻找语义相近的段落，而不只匹配相同的词。

混合检索

2022 · 常用 · 使用现成模型

同时保留关键词和向量两路召回，再把名次或分数合并。

HippoRAG

2024 · 演进中 · 使用现成模型

用知识图谱和个性化 PageRank 一次找出多跳证据，而不必反复调用模型。