trace 是RAG检索链路的**全链路追踪日志对象

trace 是RAG检索链路的全链路追踪日志对象

用来把检索每一步中间结果打包保存，方便调试、看每一步发生了什么。

trace={
    "original_query":question,
    "vector_results":vector_results,
    "keyword_results":keyword_results,
    "fused_results":fused,
    "final_evidence":evidence
}

逐个字段

1. original_query

   用户原始查询问题，例：数字化补贴申报材料

2. vector_results

   向量检索结果 ：向量库根据语义相似度召回的chunk列表，附带向量相似度分数。

   只看语义，不看关键词字面。

3. keyword_results

   关键词检索（BM25）结果：分词后按关键词字面匹配召回的chunk，是传统文本检索。

4. fused_results

   融合结果（RRF融合） ：把vector_results + keyword_results两套结果，用RRF算法合并、重新排序，输出rrf_score。

   👉 就是粗召回的候选列表，对应你日志里top6候选。

5. final_evidence

   经过重排+分数过滤之后，最终输出的证据列表

• hybrid：直接拿fused_results，不做rerank
• hybrid_rerank / full：对 fused_results 跑BGE重排，生成rerank_score，再按min_score过滤，得到final_evidence。

完整链路对应trace

原始question
    ↓
vector_results（向量召回） + keyword_results（bm25关键词召回）
    ↓ RRF融合
fused_results（粗排top6，带rrf_score）
    ↓ 【可选】rerank打分 + min_score过滤
final_evidence（最终给大模型的上下文证据）

trace作用

• 开发调试：查看哪一步丢了文档、哪一步分数异常
• 对比：看向量召回、关键词召回各自召回了哪些chunk，融合后怎么变、重排过滤删掉了哪些
• 评估RAG：统计召回、重排、过滤各个阶段的命中率

结合你刚才的例子：

fused_results 有6条候选，full模式经过rerank+min_score=0.6过滤后，final_evidence只剩1条。