RAGLight 支持三种主要的检索模式:
- 标准 RAG:基础检索增强生成流程,将查询向量化后检索相似文档,并将其作为上下文生成回答
- Agentic RAG:通过 AgenticRAGPipeline 实现,增加了智能体功能,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(reflection 参数),显著提升回答的逻辑性和准确性
模式选择取决于应用场景的复杂度。简单问答可用标准 RAG,需要多步推理时用 Agentic RAG,而对准确性要求高时使用 RAT 模式。
本答案来源于文章《RAGLight:轻量级检索增强生成Python库》