辅助查询是根据查询到的文档片段再去生成新的查询问题

💡 辅助查询是怎么来的?

它是基于你当前查询(query)检索到的某个文档片段(chunk_result),再去"反推"出新的相关问题(utility queries),这些问题的作用是:

  • 引导系统从更多角度理解这个文档;
  • 为后续推理、回答或补充背景知识做准备。

🧠 举个非常贴近实际的例子:

假设你问的是:

"公司的治理结构是怎样的?"

系统用这个问题去检索文档,拿到了以下 chunk_result

"根据公司章程,公司治理结构包括股东大会、董事会、监事会和高级管理层,各自职责如下......"

接着,系统会调用:

python 复制代码
utility_queries = self.utility_query_generator.generate_queries(
    chunk=str(chunk_result),     # 传入文档片段内容
    max_queries=2,
    existing_graph_queries=...
)

🔍 那这个 generate_queries 做的事,就是用语言模型或者类似的规则模板,生成类似这样的问题:

  • "董事会的职责有哪些?"
  • "高级管理层如何履行监督义务?"
  • "治理结构中的监事会作用是什么?"

👉 所以,它的目标是"站在系统的视角",主动提出更多细化问题,把这个 chunk 挖得更深。


🚨 注意:它不是基于原始用户提问,而是基于"当前文档片段"

虽然初始用户提问是引发这一切的触发点,但 辅助查询其实是"chunk 驱动"的,而不是"query 驱动的"。

也就是说:

原始用户问题 → 检索出 chunk → 系统看了 chunk 后自己想出的新问题


🧭 为什么这么设计?有啥好处?

这其实是一种很聪明的"文档自我探索机制":

优势 说明
💡 自动挖掘潜在知识 哪怕用户没问,系统也能主动发现重要内容
🔄 扩展语义图谱 生成的 utility query 可以丰富知识图谱、内存
🤖 改进推理表现 为后续 LLM 回答时提供更多上下文依据
🧠 有助记忆召回 作为补充 query 被记录,以备后续召回

✅ 总结一句话:

辅助查询是系统基于已检索文档片段,自动生成的新问题,用来更深入理解文档内容。

相关推荐
AI technophile1 分钟前
OpenCV计算机视觉实战(9)——阈值化技术详解
人工智能·opencv·计算机视觉
HealthScience3 分钟前
pycharm debug的时候无法debug到指定的位置就停住不动了
人工智能·pytorch·深度学习
jndingxin3 分钟前
OpenCV CUDA模块直方图计算------在 GPU 上计算输入图像的直方图(histogram)函数histEven()
人工智能·opencv·计算机视觉
qyresearch_9 分钟前
商用飞机电池市场:现状、挑战与未来展望
大数据·人工智能
正在走向自律9 分钟前
AI新手入门解锁元生代MaaS平台:API工作流调用全攻略
人工智能·自然语言处理·知识库·rag·maas·openai 兼容接口
EasyDSS19 分钟前
视频监控汇聚平台EasyCVR工业与安全监控:防爆摄像机的安全应用与注意事项
网络·人工智能·音视频
油泼辣子多加20 分钟前
【大模型】Bert变种
人工智能·深度学习·bert
仙人掌_lz29 分钟前
小型语言模型:为何“小”才是“大”?
人工智能·ai·语言模型·自然语言处理·llm
柠石榴37 分钟前
5.28 孔老师 nlp讲座
人工智能·自然语言处理
bestcxx41 分钟前
从 “金屋藏娇” 到 自然语言处理(NLP)
人工智能·自然语言处理