Adaptív RAG
Ezen az oldalon
Kérdések intelligens útvonalterelése
A Self-RAG minden kérdést ugyanúgy kezel, és pontosan ez a hibája. Kérdezd meg tőle, mennyi kettő plusz kettő: kódolni fogja a lekérdezést, átvizsgálja az indexet, osztályoz négy irreleváns dokumentumot, átvált a webre, generál, majd ellenőriz. Ez tucatnyi LLM-hívás egy olyan kérdésnél, amelyet a modell pillanatok alatt megold. Nem minden kérdésnek ugyanaz a komplexitása, és egy egyszerű ténykérdés nem igényel ugyanolyan kezelést, mint egy több dokumentum szintézisét igénylő feladat. Az Adaptív RAG ezért egy intelligens útválasztót (router) helyez a folyamat elejére: ez elemzi a kérdést, és kiválasztja az optimális stratégiát, mielőtt bármilyen költséges feldolgozásba kezdene.
Az útválasztónak három célállomása van. A dokumentumaid által ténylegesen lefedett témákra vonatkozó kérdések a vektoros tárolóba (vector store) kerülnek; ez a teljes RAG útvonal. A aktuális eseményekre vagy az indexelt hatókörön kívül eső témákra vonatkozó kérdések a webes kereséshez kerülnek, mivel az index lekérdezése itt csak zajt eredményezne. Végül az egyszerű vagy általános tudást igénylő kérdések közvetlen választ kapnak a modelltől, visszakeresés nélkül.
Az útválasztó implementálása
A trükkös rész az, hogy az útválasztónak ismernie kell az indexed hatókörét a döntés meghozatalához. A választott megoldás annyira egyszerű, mint amennyire hatékony: átadjuk neki a lefedett témák listáját, az indexed_topics változót, amelyet összehasonlít a kérdéssel. A három szabály explicit módon szerepel a promptban, a kötött JSON formátum pedig garantálja a használható értéket. A result.get("route", "vectorstore") kifejezés figyelmet érdemel: váratlan kimenet esetén az alapértelmezett visszalépés a vektoros tároló. Ez a legbiztonságosabb viselkedés, amely az adataidra támaszkodik a web vagy a modell memóriája helyett.
import json
from mistralai.client import Mistral
client = Mistral(api_key=api_key)
def route_question(question, indexed_topics):
"""Route a question to the best strategy."""
topics_str = ", ".join(indexed_topics)
prompt = f"""You are a question router. Given a question,
determine the best source of information.
Your indexed documents cover the following topics: {topics_str}
Rules:
- If the question concerns indexed topics -> "vectorstore"
- If the question concerns current events or an uncovered topic -> "websearch"
- If the question is very simple or general knowledge -> "direct"
Respond ONLY with a JSON object: {{"route": "vectorstore"}} or {{"route": "websearch"}} or {{"route": "direct"}}
Question: {question}
Route JSON:"""
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("route", "vectorstore")
# Test the router
topics = ["embeddings", "RAG", "Mistral AI", "vector search", "FAISS"]
tests = [
"How does mistral-embed work?", # -> vectorstore
"What is Apple's stock price today?", # -> websearch
"How much is 2 + 2?", # -> direct
"What are the steps of RAG?", # -> vectorstore
"Who won the 2026 World Cup?", # -> websearch
]
for q in tests:
route = route_question(q, topics)
print(f" [{route:12s}] {q}")
A tesztkészlet minden forgatókönyvet szemléltet, és biztonsági hálóként szolgál majd. A mistral-embeddel kapcsolatos kérdés egyértelműen a deklarált témák közé esik, így a vektoros tárolóba kerül. A részvényárfolyamok vagy versenyeredmények naponta változnak: egyetlen statikus index sem tartalmazhatja ezeket, ezért a webre kerülnek. A kettő plusz kettőhöz sem korpusz, sem keresés nem szükséges. Használd újra ezt a blokkot a saját témáiddal és körülbelül tizenöt, a valós forgalmadat reprezentáló kérdéssel: ez a legköltséghatékonyabb módja annak ellenőrzésére, hogy a topics lista elég pontos-e. Egy olyan útválasztó, amely mindent a vektoros tárolóba küld, nem ad hozzá értéket, míg egy olyan, amely a üzleti témáidra vonatkozóan közvetlen választ ad, kifejezetten veszélyes.
A teljes folyamat
Az AdaptiveRAG egyesíti mindazt, amit az elmúlt három leckében felépítettél. Minden útvonalnak megvan a saját végrehajtási módszere, és az ask metódus úgy olvasható, mint egy switch utasítás. A direct útvonal azonnal visszatér, 0,3-as hőmérséklettel (mivel nincs kontextus, amihez igazodni kellene), és egy üres forráslistával, amely őszintén jelzi a felhasználónak, hogy semmi nem támasztja alá ezt a választ. A websearch útvonal kizárólag webes eredményekből generál. A vectorstore útvonal azonban beveti a teljes arzenált: dokumentum-osztályozás a Corrective RAG stílusában, webes tartalék, ha egyik sem marad életben, majd egy generációs ciklus groundinggal és hasznossági ellenőrzésekkel, amelyeket a Self-RAG-ből örököltünk, és amelyeket itt a grade_and_correct függvény csoportosít.
Egy küszöbérték-különbséget érdemes megjegyezni a Corrective RAG leckéhez képest. A webes tartalék már nem akkor aktiválódik, amikor egy dokumentumot elvetnek, hanem csak akkor, ha a relevant_docs lista üres. Ez a választás toleránsabb: ha négy chunkból kettő továbbra is releváns, ésszerű velük generálni, ahelyett, hogy a webhez fordulnánk, ami megtakarít egy hívást és csökkenti a késleltetést. A doméned követelményei alapján kell döntenied.
import numpy as np
class AdaptiveRAG:
"""Adaptive RAG pipeline with intelligent routing."""
def __init__(self, chunks, embeddings, index, topics):
self.chunks = chunks
self.embeddings = embeddings
self.index = index
self.topics = topics
def route(self, question):
"""Determine the optimal strategy."""
return route_question(question, self.topics)
def retrieve_from_vectorstore(self, question, k=4):
"""Retrieval from the local vector store."""
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": "vectorstore"}
for dist, idx in zip(distances[0], indices[0]) if idx >= 0
]
def search_web(self, question):
"""Web search for out-of-scope questions."""
return web_search_fallback(question)
def direct_answer(self, question):
"""Direct answer without retrieval."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": question}],
temperature=0.3,
)
return response.choices[0].message.content
def generate_with_context(self, question, documents):
"""Generation with context (classic RAG)."""
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": "system", "content": "Answer based on the provided context."},
{"role": "user", "content": prompt},
],
temperature=0.1,
)
return response.choices[0].message.content
def grade_and_correct(self, question, documents, generation):
"""Self-RAG checks (hallucinations + usefulness)."""
is_grounded = check_hallucination(documents, generation)
if not is_grounded:
return None, "hallucination"
is_useful = check_answer_usefulness(question, generation)
if not is_useful:
return None, "not_useful"
return generation, "ok"
def ask(self, question, max_retries=2):
"""Complete Adaptive RAG pipeline."""
print(f"\n{'='*60}")
print(f"Question: {question}")
# 1. Routing
route = self.route(question)
print(f"Chosen route: {route}")
# 2. Execute based on route
if route == "direct":
answer = self.direct_answer(question)
return {"answer": answer, "route": "direct", "sources": []}
elif route == "websearch":
docs = self.search_web(question)
answer = self.generate_with_context(question, docs)
return {"answer": answer, "route": "websearch", "sources": ["web"]}
else: # vectorstore
docs = self.retrieve_from_vectorstore(question)
# Document grading
relevant_docs = []
for doc in docs:
if grade_document(question, doc["text"]):
relevant_docs.append(doc)
# Web fallback if not enough relevant documents
if not relevant_docs:
print(" No relevant documents, web fallback...")
relevant_docs = self.search_web(question)
# Generation loop with verification
for attempt in range(max_retries + 1):
generation = self.generate_with_context(question, relevant_docs)
answer, status = self.grade_and_correct(
question, relevant_docs, generation
)
if status == "ok":
return {
"answer": answer,
"route": "vectorstore",
"attempts": attempt + 1,
"sources": [d.get("source", "") for d in relevant_docs],
}
elif status == "not_useful":
web_docs = self.search_web(question)
relevant_docs.extend(web_docs)
# Return the last generation even if imperfect
return {
"answer": generation,
"route": "vectorstore",
"attempts": max_retries + 1,
"sources": [d.get("source", "") for d in relevant_docs],
}
# Usage
adaptive_rag = AdaptiveRAG(chunks, embeddings, index, topics=topics)
questions = [
"How do I create a FAISS index with mistral-embed?",
"What is the weather in Paris tomorrow?",
"How many dimensions does codestral-embed have?",
]
for q in questions:
result = adaptive_rag.ask(q)
print(f"\nRoute: {result['route']}")
print(f"Answer: {result['answer'][:200]}...")
A három példakérdés egyetlen futtatás során végigvezet az összes útvonalon, és az eredményben szereplő route mező megmondja, melyiket választotta a rendszer. Ezt az értéket érdemes naplózni éles környezetben: a valós forgalomban előforduló útvonalak eloszlása a legjobb egészségjelző a rendszered számára, feltárva mind a túl szűk indexet, mind a rosszul kalibrált útválasztót.
Főbb megállapítások
- Az Adaptív RAG minden kérdést az optimális stratégiához irányít (vektoros tároló, web, közvetlen)
- Az útválasztó egy LLM-t használ strukturált kimenettel a kérdések osztályozásához
- Az indexelt témákra vonatkozó kérdések a vektoros tárolóba kerülnek; a többi a webre
- Az útválasztás csökkenti a késleltetést és a költségeket azáltal, hogy elkerüli a teljes RAG-ot az egyszerű kérdéseknél
- Az Adaptív RAG egyesíti a Corrective RAG és a Self-RAG ötleteit az útválasztással