多知识库 RAG 本质是路由问题而非检索问题的架构论辩
Arc_bong · reddit · 2026-09-04
作者对「从所有知识库取 top-k 再融合」的企业级 RAG 默认做法提出质疑：
- 少量知识库时 RRF 融合尚可；但 10+ 个 KB 时，你其实是在比较不同检索分布、领域和语料规模的分数，跨库 top-1 却拿到几乎相同的融合权重，固定相似度阈值也假设各库分数可比——常常不成立
- 典型失败链：各库内检索良好 → 跨库排序存疑 → 上下文选择出错
他倾向的架构是 query → KB 路由/选择 → 定向检索 → 重排 → 生成，替代「到处检索→融合→祈祷」。代价是路由器本身会犯错，真正的跨域问题仍需更广检索。
作者是在对比 Lyzr Studio、LlamaIndex、LangChain 与自研栈时产生的思考，更关心生产环境下几十个知识源的真实架构选型：路由/分类、全局检索+RRF、分数归一化、cross-encoder 重排还是分层检索的混合方案。
所属事件:Agentic RAG 之争:让 Agent 决定查哪里而非怎么查(2 条相关)→
「编程与Agent」频道最新
- OpenWork 推出云端 Web 版,登录即得完整 AI 开发环境 — ycombinator · 2026-09-05
- GitHub HydraFusion 多模型编排:质量超 Opus 5,成本降 67% — mariorod1 · 2026-09-05
- usgraphics:无止境加功能终将毁掉软件,Claude Code 又改坏滚动 — BLUECOW009 · 2026-09-05
- arXiv 论文:智能体记忆沦为授权洗白通道,需事件溯源防御 — ChrisUniverse · 2026-09-05
- 智能体记忆会伪造授权:EAL-Bench 显示 98.6% 执行率 — ChrisUniverse · 2026-09-05
- 评论:Agent 惊人越权能力是厂商刻意培养出来的设计结果 — dbreunig · 2026-09-05