在多跳问答（Multi-hop QA）场景下，传统的“一次检索+一次生成”的朴素 RAG（Naive RAG）往往会失效，因为答案分散在不同的文档中，且文档之间存在逻辑关联（例如：文档 A 包含线索，指向文档 B，文档 B 包含最终答案）。 设计一个能够处理多跳问题的 RAG 系统，核心在于将推理（Reasoning）与检索（Retrieval）交织在一起。以下是针对多跳 QA 场景的 RAG 系统设计方案，分为架构模式、关键模块设计和优化策略三个部分。 --- 一、 核心架构模式 针对多跳问题，主要有三种主流的架构设计思路： 1. 迭代检索 (Iterative Retrieval) 这是最直观的方法。系统通过多次检索循环来逐步逼近答案。 流程： 1. LLM 基于原始问题生成一个初始检索 Query。 2. 检索 Top-K 文档。 3. LLM 阅读检索到的文档，判断信息是否足够回答原始问题。 4. 如果不够，LLM 基于当前获得的上下文（Context），生成下一个检索 Query。 5. 重复上述步骤，直到收集齐所有信息。 优点： 灵活，不需要复杂的预处理。 缺点： 延...
播面