RAG101第五课：通过查询转换提高检索效率

RAG 系统在检索最相关的信息时常面临挑战，特别是处理复杂或模糊查询时。本文将介绍三种查询转换（Query Transformation）技术以增强 RAG 系统的检索过程：

• 查询重写（Query Rewriting）

• 回溯提示（Step-back Prompting）

• 子查询分解（Sub-query Decomposition）

每种技术的目标都是通过修改或扩展原始查询，提高检索信息的相关性和全面性。

查询重写（Query Rewriting）

目的：使查询更加具体和详细，提高检索相关信息的可能性。
实现方式：

• 使用 LLM 和自定义提示模板。

• 采用原始查询，并将其改写为更具体、详细的版本。

回溯提示（Step-back Prompting）

目的：生成更广泛、更通用的查询，以帮助检索相关的背景信息。
实现方式：

• 使用 LLM 和自定义提示模板。

• 采用原始查询，并生成一个更泛化的“回溯”查询。

子查询分解（Sub-query Decomposition）

目的：将复杂查询拆解为更简单的子查询，以实现更全面的信息检索。
实现方式：

• 使用 LLM 和自定义提示模板。

• 将原始查询分解为 2-4 个更简单的子查询。

这些方法的优势

✅ 提高相关性：查询重写有助于检索更具体、更相关的信息。
✅ 提供更好的上下文：回溯提示允许检索更广泛的背景信息。
✅ 获取全面结果：子查询分解可确保检索信息覆盖复杂查询的不同方面。
✅ 灵活性：每种技术都可以独立使用，也可以结合使用，具体取决于应用场景。

接下来，我们将以查询：”气候变化对环境的影响是什么？”为示例依次说明以上三种查询转换方法。

查询重写（Query Rewriting）

子查询分解（Sub-query Decomposition）