Премини към основното съдържание
Български— Изберете език
Меню

Self-RAG

Урок 16 от 18 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. Саморефлексия в RAG
  2. Проверка на фактическата обосновка
  3. Проверка на полезността
  4. Цикълът за самокорекция
  5. Цената на надеждността
  6. Ключови изводи

Саморефлексия в RAG

Corrective RAG контролира какво влиза в промпта, но не и какво излиза от него. Дори перфектният контекст не гарантира добър отговор: моделът може да добави детайли, които липсват в документите, или да генерира текст, който е точен, но заобикаля същината на въпроса. Self-RAG (Self-Reflective RAG) запълва тази празнота, като добавя две проверки след генерирането. Първата анализира фактическата обосновка – дали отговорът наистина се базира на предоставените документи? Втората оценява полезността – дали той действително адресира зададеното? Ако някоя от проверките се провали, системата повтаря цикъла, превръщайки се в механизъм за самокорекция, а не просто във филтър.

Потокът следователно разширява Corrective RAG. Вие все още разполагате с извличане, последвано от оценяване на документите и след това генериране. Следват два нови възела: проверка за халюцинации, която сравнява отговора с документите, и проверка на отговора, която го сравнява с въпроса. Ако проверка се провали, системата или се връща към генерирането, или извлича нови материали от уеб, в зависимост от това коя верификация е неуспешна.

Проверка на фактическата обосновка

Първата проверка получава два входа: конкатенираните документи и генерирания отговор. Нейната задача не е да прецени дали отговорът е истински в абсолютен смисъл, а дали е изцяло обоснован в предоставената информация. Това разграничение е важно: точно твърдение, което липсва в документите, трябва да бъде отхвърлено, защото произлиза от обучителната памет на модела, а не от вашия корпус – и няма гаранция, че следващото твърдение ще бъде точно. Изходният формат съвпада с този на оценителя: двоичен JSON обект при температура нула.

import json
from mistralai.client import Mistral

client = Mistral(api_key=api_key)

def check_hallucination(documents, generation):
    """Check whether the generation is grounded in the documents."""
    docs_text = "\n\n".join([d["text"] for d in documents])

    prompt = f"""You are a factual grounding evaluator. Given a set of
documents and a generated answer, determine whether the answer is entirely
grounded in the information contained in the documents.

Respond ONLY with a JSON object: {{"grounded": "yes"}} or {{"grounded": "no"}}

Documents:
{docs_text}

Generated answer:
{generation}

JSON evaluation:"""

    response = client.chat.complete(
        model="mistral-large-latest",
        messages=[{"role": "user", "content": prompt}],
        temperature=0,
        response_format={"type": "json_object"},
    )

    result = json.loads(response.choices[0].message.content)
    return result.get("grounded", "no") == "yes"

Проверка на полезността

Втората проверка не вижда нито документите, нито резултатите от извличането – само въпроса и отговора. Това тясно поле на зрение е умишлено, защото изолира дефект, който първата проверка пропуска. Представете си, че някой пита колко измерения произвежда един модел за вграждания (embeddings), а отговорът описва подробно за какво се използват вгражданията, без никога да даде числото. Всичко е обосновано в документите, така че първата проверка казва „да“, и потребителят си тръгва без търсената информация. Втората проверка казва „не“ и задейства нов опит.

def check_answer_usefulness(question, generation):
    """Check whether the answer actually addresses the question."""
    prompt = f"""You are an answer quality evaluator. Given a question
and an answer, determine whether the answer usefully and completely addresses the question.

Respond ONLY with a JSON object: {{"useful": "yes"}} or {{"useful": "no"}}

Question: {question}
Answer: {generation}

JSON evaluation:"""

    response = client.chat.complete(
        model="mistral-large-latest",
        messages=[{"role": "user", "content": prompt}],
        temperature=0,
        response_format={"type": "json_object"},
    )

    result = json.loads(response.choices[0].message.content)
    return result.get("useful", "no") == "yes"

Цикълът за самокорекция

Класът SelfRAG използва познатите стъпки за извличане и оценяване, след което ги обгръща в цикъл за повторни опити, ограничен от max_retries. Логиката на цикъла е по-финa, отколкото изглежда, защото двата типа неуспехи получават различно третиране. Открита халюцинация просто предизвиква повторно генериране със същия контекст: проблемът е в модела, който е превишил правомощията си, и един нов опит често е достатъчен. Отговор, оценен като безполезен, обаче задейства допълнително търсене в уеб преди повторния опит: тук проблемът е в контекста, който е твърде оскъден, за да поддържа пълен отговор, и повторното генериране без добавяне на нещо ново би довело до същия резултат.

Обърнете внимание на резервния изход след цикъла. Когато всички опити са изчерпани, системата не хвърля изключение: тя връща последното генериране заедно с неговите флагове grounded и useful. Това е умишлен дизайнерски избор – по-добре е да върнете несъвършен отговор, маркиран като такъв, който вашият интерфейс може да сигнализира на потребителя, отколкото да хвърлите сурова грешка.

import numpy as np

class SelfRAG:
    """Self-RAG pipeline with self-correction."""

    def __init__(self, chunks, embeddings, index, max_retries=2):
        self.chunks = chunks
        self.embeddings = embeddings
        self.index = index
        self.max_retries = max_retries

    def retrieve(self, question, k=4):
        """Standard retrieval."""
        response = client.embeddings.create(
            model="mistral-embed", inputs=[question]
        )
        query_vec = np.array([response.data[0].embedding], dtype=np.float32)
        distances, indices = self.index.search(query_vec, k)

        return [
            {"text": self.chunks[idx]["text"], "source": self.chunks[idx].get("source", "")}
            for dist, idx in zip(distances[0], indices[0]) if idx >= 0
        ]

    def grade_documents(self, question, documents):
        """Evaluate document relevance."""
        relevant = []
        for doc in documents:
            if grade_document(question, doc["text"]):
                relevant.append(doc)
        return relevant, len(relevant) < len(documents)

    def generate(self, question, documents):
        """Generate an answer."""
        context = "\n\n---\n\n".join([d["text"] for d in documents])
        prompt = f"Context:\n{context}\n\nQuestion: {question}"

        response = client.chat.complete(
            model="mistral-large-latest",
            messages=[{"role": "user", "content": prompt}],
            temperature=0.2,
        )
        return response.choices[0].message.content

    def ask(self, question, k=4):
        """Complete Self-RAG pipeline with self-correction."""
        print(f"\n=== Self-RAG: {question[:60]}... ===")

        # 1. Retrieval
        print("1. Retrieval...")
        docs = self.retrieve(question, k=k)

        # 2. Grading
        print("2. Grading documents...")
        relevant_docs, need_web = self.grade_documents(question, docs)

        if need_web:
            print("   -> Fallback web search")
            web_docs = web_search_fallback(question)
            relevant_docs.extend(web_docs)

        # 3. Generation loop with self-correction
        for attempt in range(self.max_retries + 1):
            print(f"3. Generation (attempt {attempt + 1})...")
            generation = self.generate(question, relevant_docs)

            # 4. Hallucination check
            print("4. Checking hallucinations...")
            is_grounded = check_hallucination(relevant_docs, generation)

            if not is_grounded:
                print("   -> HALLUCINATION detected, retrying...")
                continue

            # 5. Usefulness check
            print("5. Checking usefulness...")
            is_useful = check_answer_usefulness(question, generation)

            if not is_useful:
                print("   -> Answer NOT USEFUL, fallback web search...")
                web_docs = web_search_fallback(question)
                relevant_docs.extend(web_docs)
                continue

            # Success
            print("   -> Answer validated!")
            return {
                "answer": generation,
                "attempts": attempt + 1,
                "grounded": True,
                "useful": True,
            }

        # If all attempts fail
        print("   -> Maximum attempts reached")
        return {
            "answer": generation,
            "attempts": self.max_retries + 1,
            "grounded": is_grounded,
            "useful": is_useful,
        }

# Usage
self_rag = SelfRAG(chunks, embeddings, index, max_retries=2)
result = self_rag.ask("What are the advantages of RAG over fine-tuning?")

print(f"\nAnswer: {result['answer']}")
print(f"Attempts: {result['attempts']}")
print(f"Grounded: {result['grounded']}, Useful: {result['useful']}")

Цената на надеждността

Всяка предпазна мярка добавя още едно LLM обаждане и общият брой нараства бързо. Функцията по-долу прави това явно, като разбива обажданията за всяка стъпка: едно обаждане за оценяване на документ, след това генериране, проверка за обосновка и проверка за полезност, като всяко се повтаря при всеки опит. С четири документа и един повторен опит достигате десет обаждания за един въпрос – докато основният RAG изискваше две. Изпълнете тази оценка със собствените си стойности, преди да зададете k и max_retries: това изчисление Ви показва дали Вашият бюджет и изискванията за латентност поддържат Self-RAG за целия трафик, или само за най-чувствителните въпроси.

def estimate_self_rag_cost(n_docs=4, n_retries=1):
    """Estimate the number of LLM calls for a Self-RAG question."""
    calls = {
        "grading": n_docs,           # 1 call per document
        "generation": 1 + n_retries, # 1 initial + retries
        "hallucination_check": 1 + n_retries,
        "answer_check": 1 + n_retries,
    }
    total = sum(calls.values())
    print(f"Estimated LLM calls: {total}")
    for step, count in calls.items():
        print(f"  {step}: {count}")
    return total

estimate_self_rag_cost(n_docs=4, n_retries=1)
# Estimated LLM calls: 10

Ключови изводи

  • Self-RAG добавя две проверки след генерирането: за халюцинации и за полезност
  • Ако отговорът не е обоснован в документите, системата го генерира отново
  • Ако отговорът не е полезен, системата извършва уеб търсене и прави нов опит
  • Броят на повторните опити трябва да бъде ограничен, за да се контролира латентността
  • Self-RAG е по-скъп (повече LLM обаждания), но по-надежден