RAGLight 支持三种 RAG 模式:
- 标准 RAG 管道:结合文档检索和生成,通过相似性搜索检索相关文档片段,并将其作为上下文输入 LLM 生成回答。
- Agentic RAG:通过
AgenticRAGPipeline
实现,增加智能体功能,支持多步推理和动态调整检索策略。 - RAT(检索增强思考):通过
RATPipeline
实现,增加反思步骤(通过reflection
参数控制),提升回答的逻辑性和准确性。
用户可根据需求选择不同模式,例如需要复杂推理时使用 Agentic RAG 或 RAT 模式。
本答案来源于文章《RAGLight:轻量级检索增强生成Python库》