es混合检索与langchain检索增强_langchain ensembleretriever

最新推荐文章于 2026-06-29 16:56:13 发布
原创 最新推荐文章于 2026-06-29 16:56:13 发布 · 895 阅读 · 25
  • 还有几个点涉及到es的底层数据结构，需要一定的调优能力，可以查看官方文档
kNN选项
  • field，必填，向量字段名
  • filter，可选，query dsl的filter，返回向量检索和filter过滤条件都满足的文档。
  • k，必填，返回的邻近向量数，必须小于num-candidates。
  • num-candidates，相当于每个分片上的k，es从每个分片上检索num_candidates个向量结果，再根据评分汇总返回k个最终结果。增大该值可以提高检索结果的准确度。
  • query_vector，可选，要检索的向量，维度必须和创建mapping时一致。
  • query_vector_builder，可选，指定模型的相关信息，将编码文本为向量的任务交给es。query_vector和query_vector_builder，必须填且只能填一个。
  • similarity，可选，float类型，判定检索命中的一个阈值，与所选的距离度量方式有关，不是文档分数_score，通过该值对文档进行评分，并应用boost（如果有）。

如果是l2_norm，距离需要小于等于similarity

如果是cosine或者dot_product，相似度需要大于等于similarity。

  • boost，计算评分时的系数，knn
标签
#elasticsearch #langchain #算法
最低0.47元/天 解锁文章
kenzsoft
关注
LangChain核心模块 Retrieval——Retrievers
weixin_43787408的博客
03-25 5162
数据进入数据库，仍然需要检索，LangChain支持多种检索算法。LangChain支持易于上手的基本方法——即简单语义搜索。然而，我们还在此基础上添加了一系列算法以提高性能。检索器是一个接口，它根据非结构化查询返回文档，它比矢量存储更通用。检索器不需要能够存储文档，只需返回（或检索）它们即可。矢量存储可以用作检索器的骨干，但也有其他类型的检索器。检索器接受字符串查询作为输入，并返回文档列表作为输出。
RAG——RAG检索(混合检索)
小志的博客
03-12 941
本文探讨了RAG（检索增强生成）中的混合检索技术，结合向量检索和关键词检索的优势提升搜索效果。向量检索擅长语义匹配，但在精确匹配、短词搜索等场景表现欠佳；关键词检索则能有效处理产品编号、低频词等特定查询。混合检索通过多路召回策略（如BM25算法+向量检索）综合不同检索结果，并采用重排序技术（如RRF算法）优化结果排序。实验数据表明，混合检索结合重排序能显著提升召回率和准确性。文章还提供了Python实战代码，演示如何集成BM25和jieba分词实现中文混合检索。这种技术组合为RAG系统提供了更全面、精准的检
进阶篇-LangChain篇-11--检索不准怎么办？高级检索策略——混合搜索与重排序（Rerank）
weisian的博客
04-14 4641
本文深入探讨了RAG系统中检索不准的解决方案——混合搜索与Rerank技术。文章首先指出单一检索策略（向量检索或关键词检索）的局限性，如漏检、误检等问题。随后提出"海选+决赛"的两阶段架构：第一阶段通过混合搜索（结合语义和关键词）扩大候选范围；第二阶段用重排序技术精准筛选最优结果。 文章通过图书管理员和招聘流程的生动类比，解释了混合搜索与Rerank的工作原理，并提供了完整的检索流程示意图。关键技术包括：BM25关键词检索、RRF结果融合算法、Cross-Encoder精准打分等。最后强
在LangChain中实现“混合搜索”：结合向量与全文检索的强大功能
stjklkjhgffxw的博客
10-14 886
在LangChain中实现混合搜索需要对所使用的向量存储有一定的理解，并正确设置可配置字段。通过本文内容的学习，您可以在项目中灵活地集成混合搜索。
es混合检索与langchain检索增强
峰
11-04 2841
Elasticsearch全文检索，混合检索，向量检索，语义检索，kNN检索，rrf重排，langchain检索增强
Langchain连接Elasticsearch向量数据库创建索引报错
weixin_45751760的博客
08-21 950
链接:https://discuss.openedx.org/t/elasticsearch-maximum-shards-open/7319。：因公司业务需求需要利用Langchain中对ES数据库的相关操作将某些文件通过embedding录入向量数据库；通过查询相关资料以及询问GPT发现问题根源所在。
es混合检索与langchain检索增强_langchain ensembleretriever(1)
2401_84159688的博客
04-16 651
【代码】es混合检索与langchain检索增强_langchain ensembleretriever(1)
LangChain多路召回实战：混合搜索提升检索性能
weixin_29070721的博客
02-14 335
本文深入探讨了如何利用LangChain的EnsembleRetriever实现多路召回与混合搜索，以解决单一检索方式（如纯向量检索或关键词检索）的局限性。通过结合BM25的关键词精准匹配和FAISS的语义理解能力，有效提升RAG系统的检索查全率与查准率，并提供了实战代码与高级调优策略。
收藏 | LangChain 混合检索调参指南：从原理到六大场景实战，小白也能掌握大模型核心技巧
m0_71746299的博客
03-30 570
本文深入探讨了 RAG 系统中混合检索的架构设计与场景调参，对比了向量检索和关键词检索的优缺点，详细解析了 BM25 和向量检索的原理，并介绍了三种融合策略（RRF、加权融合、DBSF）。文章还提供了 LangChain 工程实战中的六大场景调参指南，包括法律/合规文档、电商产品/SKU、企业知识库/FAQ、代码/技术文档、学术/科研资料和客服/对话历史检索，并强调了动态路由和自动寻优的重要性。最后，文章提出了分阶段落地路线图，帮助开发者构建稳健的 RAG 系统。
LangChain 混合检索实战：六大场景调参指南，带你找到关键词与向量的黄金配比，构建完美 RAG！
m0_59162248的博客
03-29 436
本文探讨了RAG系统中混合检索的必要性与实现方法。文章指出单一检索方式存在局限性：向量检索无法处理领域外数据（如产品编号），而关键词检索难以捕捉语义关联。两者在表示空间上存在本质差异，但具有互补性。作者提出混合检索架构，详细分析了BM25和向量检索的原理，并比较了三种融合策略（RRF、加权线性融合、DBSF）。研究显示三路混合（BM25+SPLADE+稠密向量）结合ColBERT重排效果最佳，较纯向量检索提升51%。文章最后通过LangChain实战示例展示了不同场景下的调参方法，如法律文档场景建议向量0.
LangChain集成Exa Search：构建智能搜索代理与实时RAG系统
weixin_30420305的博客
06-19 415
在AI应用开发中，检索增强生成（RAG）和智能体（Agent）是两大核心技术范式，它们旨在解决大语言模型知识静态、无法获取实时信息的核心瓶颈。RAG通过检索外部知识库来增强模型生成答案的准确性和时效性，而智能体则赋予模型自主调用工具、规划行动序列的能力。其技术价值在于将大模型的推理能力与动态、海量的外部信息源连接起来，从而构建出真正实用、可信的AI应用。典型的应用场景包括智能问答助手、行业报告自动生成和实时信息分析仪表盘。本文聚焦于如何利用LangChain框架，深度集成专为AI优化的Exa搜索引擎，通过实
4种向量数据库实测+3种检索策略对比，选错数据库RAG效果差一半（踩了4个坑）
专注 Java / Python 开发，AI 大模型应用学习，持续输出源码教程，实战项目案例，学习笔记，拒绝空话，只写能直接跑的代码与可落地方案，关注我，一起少走弯路。
03-27 625
向量数据库是一种专门用于存储、管理和检索高维向量（Embedding）的数据库，区别于传统关系型数据库（存储结构化数据）和文档型数据库（存储非结构化文本），其核心优势是高效的“语义相似度检索”，能够快速从海量向量中找到与查询向量最相似的向量。在RAG技术中，向量数据库是核心组件——用于存储文档片段的向量，支撑top-K语义检索的高效执行，解决了“海量向量快速匹配”的痛点（若直接用内存存储，当向量数量达到百万、千万级时，检索速度会急剧下降）。
基于RAG技术构建品牌AI知识库：六步SOP实战指南
最新发布
weixin_33816946的博客
06-29 320
检索增强生成（RAG）技术通过结合大模型的生成能力与外部知识库的检索能力，有效解决了AI在回答专业问题时信息滞后或缺失的痛点。其核心原理是将用户查询转化为向量，在向量数据库中检索相关文档片段，并以此作为上下文生成精准答案。这项技术的价值在于，它能让AI系统动态获取最新、最相关的信息，从而在技术问答、知识库构建等场景中提供更可靠的回答。Agentic RAG作为其进化形态，引入了智能体工作流，通过规划、执行、反思等步骤实现多轮、多角度的检索，进一步提升答案质量。本文聚焦于如何利用RAG技术，通过一套可工程化的
开启RAG进阶：混合检索（关键字&向量）+重排序（原理讲解与示例体验）
2401_84204207的博客
08-22 3568
接下来我们就先来了解下到底什么是混合检索，可能从我们以上综合提到了两个检索方式，也已经能推断出来了。没错，在RAG系统中，混合搜索最常见指向量检索和关键词检索的组合。混合检索是结合了两种或者多种搜索算法提高搜索结果相关性的搜索技术。RAG部分，我们陆陆续续分享了好几篇文章，从了解RAG到RAG与Fine tune的对比，再到RAG的实操：文档切片的方法、关键字检索、向量检索。
大模型高级 RAG 检索策略之混合检索
机器学习社区
06-06 8313
混合检索也叫融合检索，也叫多路召回，是指在检索过程中，同时使用多种检索方式，然后将多种检索结果进行融合，得到最终的检索结果。混合检索的优势在于可以充分利用多种检索方式的优势，弥补各种检索方式的不足，从而提高检索的准确性和效率，下面是混合检索的流程图：首先是问题查询，这一过程的设计可以简单也可以复杂，简单的做法是直接将原始查询传递给检索器，而复杂一点的做法是通过 LLM（大语言模型）为原始查询生成子查询或相似查询，然后再将生成后的查询传递给检索器。
大模型 | RAG 中的混合搜索：使用组合技术增强信息检索
star_nwe的博客
08-20 3475
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
RAG专栏：混合检索
m0_37145844的博客
03-27 805
混合检索，又称融合检索 / 多路召回，是指在检索过程中同时采用多种检索方式，并将各类检索结果进行融合，从而得到最终的检索结果。混合检索的优势在于能够充分利用不同检索方式的优点，弥补各自的不足，从而提升检索的准确性和效率。
LangChain 高级检索技术实战：混合搜索、自查询与时间加权检索全攻略
佑瞻的博客
06-19 1652
通过混合搜索、自查询检索器和时间加权检索这三大技术，我们终于突破了传统检索的局限，让系统同时具备语义理解、结构化查询和时间感知能力。从企业知识库到电商搜索，从客服系统到学术文献检索，这些技术正在重塑信息获取的方式。
大模型高级 RAG 检索策略之混合检索_rag混合检索
qingkahui24689的博客
11-05 3151
混合检索也叫融合检索，也叫多路召回，是指在检索过程中，同时使用多种检索方式，然后将多种检索结果进行融合，得到最终的检索结果。混合检索的优势在于可以充分利用多种检索方式的优势，弥补各种检索方式的不足，从而提高检索的准确性和效率，下面是混合检索的流程图：首先是问题查询，这一过程的设计可以简单也可以复杂，简单的做法是直接将原始查询传递给检索器，而复杂一点的做法是通过 LLM（大语言模型）为原始查询生成子查询或相似查询，然后再将生成后的查询传递给检索器。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值