RAPTOR 递归摘要检索指南

概述

2024 年斯坦福论文，通过递归聚类 + 摘要构建树形索引，解决长文档多跳问答问题。

核心思想

传统 RAG：文档 → 切片 → 向量化 → 检索

RAPTOR：文档 → 切片 → 聚类 → 摘要 → 再聚类 → 再摘要 → 树形索引

关键创新

叶子节点：原始文本片段
    ↓ 语义聚类
中间节点：聚类摘要
    ↓ 再次聚类
根节点：全局摘要

技术要点

1. 按语义相似性聚类（非文本顺序）— 相关内容自动聚合
2. 递归摘要 — 从细粒度到粗粒度逐层摘要
3. 树形检索 — 可在任意层级匹配，支持不同粒度的问题

性能表现

• 在 NarrativeQA 等长文档数据集达到 SOTA
• 特别适合需要「跨段落推理」的多跳问答
• RAGFlow v0.6.0 已集成此方法

实践建议

RAPTOR 适合长文档、多跳问答场景。对于短文档或简单检索，传统 RAG 已经足够，不必引入额外复杂度。