面经策

LangChain 中的 Retriever 检索器有哪些类型？各有什么特点？ ​

  • 标签：LangChain、Retriever 检索器

🏛 业务架构师 ​

LangChain 的 Retriever 类型与特点，我按"检索策略"归类：

1. VectorStoreRetriever（基线）：向量相似度检索——语义召回主力，参数 top_k、score_threshold、filter（元数据过滤）。所有 RAG 的起点。

2. MultiQueryRetriever（查询扩展）：用 LLM 把原 query 生成多个变体并行检索、结果融合——治"用户问法与文档写法不匹配"，代价是每次多一次 LLM 调用。

3. ContextualCompressionRetriever（检索后压缩）：检索结果再过一遍"抽取器/压缩器"（LLMChainExtractor 等），只保留与问题相关的句子再送模型——治"分块太大致上下文稀释"。

4. ParentDocumentRetriever（父子分块）：小块做精准检索、返回其所属大块——检索精度与上下文完整兼得，知识库问答的首选策略。

5. SelfQueryRetriever（自查询）：LLM 从自然语言抽元数据过滤条件+语义查询组合——治"条件筛选型需求"（时效、部门、产品线过滤）。

6. EnsembleRetriever（混合检索）：向量+BM25（BM25Retriever）多路召回 RRF 融合——治"行话/编码/精确词"召回盲区，生产标配。

7. MultiVectorRetriever（多向量检索）：一个文档多个向量（摘要向量、假设问题向量、子块向量）——提高"问法多样性"下的命中率。

选型的业务逻辑：别一次全上——从 VectorStore 起步，按 badcase 归因加层：召回不到→MultiQuery/Ensemble；召回不准→ContextualCompression/ParentDocument；条件筛选需求→SelfQuery。每加一层都有延迟成本，用评测集证明收益再上。

🏗 系统架构师 ​

LangChain Retriever 我按检索策略归类：

  • VectorStoreRetriever（基础）：向量相似度 Top-K——语义检索默认形态；search_kwargs={"k": 5, "filter": {...}} 支持元数据过滤；
  • MultiQueryRetriever（查询扩展）：LLM 生成多个 query 变体并行检索、结果合并——解决"query 与文档用语失配"；
  • SelfQueryRetriever（自查询）：LLM 从自然语言抽结构化过滤条件 + 语义查询（"2024 年的 PDF"→ filter + query）——pre-filter 精准裁剪；
  • ContextualCompressionRetriever（后压缩）：检索后对 chunk 再抽取/压缩（LLM 或嵌入模型过滤）——只把相关段落给模型；
  • EnsembleRetriever（混合检索）：向量 + BM25 多路结果 RRF 融合——专有名词与语义互补，生产标配；
  • ParentDocumentRetriever（父子块）：小块检索、返回父文档——精度与上下文完整性的解耦设计；
  • MultiVectorRetriever（多向量）：同一文档多视角向量（摘要、假设问题 HyDE、分块）——召回覆盖面增强；
  • Self-Retriever / Time-weighted（时间加权）：新文档加权——时效性场景。

选型逻辑（架构师视角）：

  • 起步：VectorStore + Ensemble（向量+BM25）覆盖 80% 场景；
  • 精度提升路径：加 ContextualCompression 或独立 Rerank → SelfQuery（有结构化元数据时）→ ParentDocument（文档长且需要上下文）；
  • 路由组合：不同 query 类型用不同 Retriever（FAQ 精确匹配 / 文档语义检索 / 表格走 SQL 通道）——检索层的"微服务化"；
  • 每个 Retriever 独立评测（recall@K），组合后端到端评测——检索是 RAG 效果的第一瓶颈，值得配置最多调优精力。

💻 全栈开发专家 ​

LangChain 的 Retriever 类型（按我使用频率+特点）：

  1. VectorStoreRetriever（基础款）：向量库相似度检索 top-k，一切 RAG 的起点。参数 top_k、filter、score_threshold。

  2. MultiQueryRetriever（查询扩展）：LLM 生成多个视角的 query 分别检索、结果去重合并——解决单一表述召回不全，多跳问题提升明显。

  3. ContextualCompressionRetriever（后处理精排）：检索后再过压缩器/重排器（如 CrossEncoderReranker）——「粗排 50 精排 5」的标准实现载体，RAG 提效第一杠杆。

  4. SelfQueryRetriever（结构化过滤）：LLM 从自然语言抽「语义 query + 元数据 filter」（「2023 年后的销售部文档」）——多租户、按时间/部门过滤场景必备。

  5. ParentDocumentRetriever（父子块）：小块检索、返回父块大上下文——检索准与上下文全的兼得方案。

  6. EnsembleRetriever（混合检索）：BM25Retriever + 向量检索 RRF 融合——专有名词/型号类 query 的救星。

  7. MultiVectorRetriever（多向量）：一个文档多个向量表示（摘要向量+原文向量、表格多视角）——表格、长文档场景。

  8. Self-RAG/自适应类（LangGraph 实现）：先判断「要不要检索」，检索后评估质量决定重检或直答——省成本+提准确。

组合范式（生产配方）：

MultiQuery(扩展) → Ensemble(BM25+向量, RRF) 
  → ContextualCompression(rerank) → 取top5 → 生成

选型心法：从 VectorStore 起步，按评测坏例加层——每层都加延迟和成本，评测数据说了算。