RAG-Architektur: One-Pass-Suche, Agents oder GraphRAG?
Automatische Übersetzung Dieser Artikel wurde automatisch aus der englischen Originalversion übersetzt.
Beginnen Sie mit einem Retrieval-Pass, der dem Model relevante Quellpassagen bereitstellt. Ergänzen Sie eine iterative Suche, wenn eine Antwort eine zweite Abfrage benötigt, deren Query vom ersten Ergebnis abhängt. Testen Sie GraphRAG, wenn Fragen Beziehungen oder eine Sicht auf die gesamte Sammlung erfordern, die durch gewöhnliches Passagen-Retrieval nicht abgedeckt wird.
Dabei handelt es sich um Entscheidungen darüber, wie Evidenz gesammelt wird – nicht um Entwicklungsstufen, die jedes RAG-System durchlaufen muss. Ich würde zunächst fehlgeschlagene Fragen und die Passagen untersuchen, die das Model tatsächlich erhalten hat. Mehr Suche kann keinen Text wiederherstellen, den der Dokumentparser verworfen hat.
Letzte Prüfung: 2026-09-08.
Suche an die Frage anpassen
| Fragetyp | Als Erstes zu testender Ansatz | Zusätzlicher Aufwand zur Begründung |
|---|---|---|
| „Wie lautet der Reset-Befehl für dieses Gerät?“ | Ein Retrieval-Pass, anschließend eine Antwort mit Quelle | Eine relevante Passage muss das Antwort-Model erreichen |
| „Welches Ersatzteil passt zu dem in diesem Bericht genannten Teil?“ | Iterative Suche: Teil finden, anschließend den Teilekatalog abfragen | Mehrere Aufrufe, eine Abbruchregel und Tests für beide Lookups |
| „Welche Themen tauchen in diesen Berichten wiederholt auf?“ | Globale GraphRAG-Suche im Vergleich zu einem einfacheren Summary-Ansatz | Erstellen und Aktualisieren graphbasierter Zusammenfassungen |
| „Wie sind diese Lieferanten miteinander verbunden?“ | Graph-basiertes Retrieval im Vergleich zu wiederholter Passagen-Suche | Korrekte Entity-Verknüpfungen, Beziehungen und Quellennachweise |
Die GraphRAG-Abfragedokumentation von Microsoft unterscheidet zwischen Local Search über extrahierte Entities plus Quell-Chunks und Global Search über generierte Community Reports. Ein Community Report fasst eine Gruppe im extrahierten Graphen zusammen. Global Search verwendet diese Reports, um Fragen zur Sammlung als Ganzes zu beantworten. Das ist nicht einfach ein Vector Lookup unter einem neuen Namen.
Iteratives Retrieval ist eine separate Designentscheidung und kann gewöhnliche Textsuche verwenden. Adaptive-RAG untersucht das Routing von Fragen zwischen keinem Retrieval, einem einzelnen Schritt und mehreren Retrieval-Schritten. Das unterstützt das Testen verschiedener Pfade, legt aber nicht fest, welcher auf Ihrem Korpus gewinnt.
Fehlende Evidenz prüfen, bevor Sie die Architektur ändern
Halten Sie für jede fehlgeschlagene Frage die erwartete Quelle und die abgerufenen Passagen fest. Ermitteln Sie anschließend den ersten Verlust:
- Wenn die Quelle nie in den Index gelangt ist, korrigieren Sie Ingestion oder Parsing.
- Wenn ein optionaler Topic-Filter sie ausgeschlossen hat, testen Sie den Filter oder behalten Sie einen breiteren Suchpfad bei. Permission-Filter müssen auf jedem Pfad durchgesetzt werden.
- Wenn die Passage abgerufen, aber zu niedrig gerankt wurde, testen Sie Änderungen an Retrieval und Reranking.
- Wenn ein benötigter Name nur im ersten Ergebnis vorkommt, testen Sie einen zweiten Lookup mit diesem Namen.
- Wenn das Model genügend Evidenz erhalten, aber falsch geantwortet hat, untersuchen Sie den Antwortschritt, bevor Sie weiteres Retrieval hinzufügen.
Die Antwort zum Search Stack behandelt BM25, Embeddings und Reranker innerhalb eines Retrieval-Passes. Diese Komponenten können auch als Teil eines iterativen Systems dienen; sie entscheiden jedoch nicht, wie viele Suchen das System durchführen sollte.
Das umfassendere Design muss seine Kosten rechtfertigen
Vergleicht die Pfade anhand derselben Fragen und zulässigen Dokumente. Legt für jeden Pfad ein explizites Zeit- und Model-Call-Budget fest. Messt, ob die erforderlichen Belege gefunden wurden, die Antwort korrekt war und die zitierten Passagen die Aussagen stützen. Behandelt Timeouts und ausgeschöpfte Search Budgets als Fehler.
Bei einem Graphen solltet ihr neben den finalen Antworten auch extrahierte Entitäten und Beziehungen prüfen. Ein falscher Supplier-Link kann eine schlüssige Antwort über das falsche Unternehmen erzeugen. Bezieht die Kosten für den Aufbau und die Aktualisierung des Index in den Vergleich ein; die alleinigen Query-Kosten erfassen diesen Aufwand nicht.
Wenn One-Pass Retrieval das Ziel erreicht, belässt es dabei. Fügt einen weiteren Pfad nur für Fragetypen hinzu, bei denen ein gemessener Fehler ihm eine konkrete Aufgabe gibt.
Vertiefende Lektüre
- RAG-Evaluationsmetriken lokalisieren Evidenzverluste beim Parsen, Filtern, Retrieval und bei der Generierung.
- LLM Engineering Field Guide bildet die Ingestion- und Query-Pfade ab und führt GraphRAG ein.
- Enterprise RAG Challenge 3 untersucht öffentliche Einträge, Routing, Evidenz und deren Grenzen.