Przejdź do głównej treści
Polski— Wybierz język
Menu

Self-RAG

Lekcja 16 z 18 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Autorefleksja w RAG
  2. Sprawdzanie podstaw faktycznych
  3. Sprawdzanie użyteczności
  4. Pętla samokorekty
  5. Koszt niezawodności
  6. Kluczowe wnioski

Autorefleksja w RAG

Corrective RAG kontroluje to, co trafia do promptu, ale nie to, co z niego wychodzi. Nawet idealny kontekst nie gwarantuje dobrej odpowiedzi: model może dodać szczegóły, których nie ma w dokumentach, lub wygenerować tekst poprawny merytorycznie, ale nieodpowiadający na zadane pytanie. Self-RAG (Self-Reflective RAG) wypełnia tę lukę, dodając dwie kontrole po generowaniu. Pierwsza bada podstawy faktyczne – czy odpowiedź rzeczywiście opiera się na dostarczonych dokumentach? Druga bada użyteczność – czy naprawdę odpowiada na to, o co pytano? Jeśli którakolwiek z tych kontroli zawiedzie, system powtarza proces, czyniąc go mechanizmem samokorekty, a nie prostym filtrem.

Przepływ ten rozszerza zatem Corrective RAG. Nadal masz etap pobierania (retrieval), następnie ocenę dokumentów, a potem generowanie. Dochodzą dwa nowe węzły: sprawdzanie halucynacji, które porównuje odpowiedź z dokumentami, oraz sprawdzanie odpowiedzi, które porównuje ją z pytaniem. Jeśli kontrola nie powiedzie się, system wraca do generowania lub pobiera świeże materiały z sieci, w zależności od tego, która weryfikacja zawiodła.

Sprawdzanie podstaw faktycznych

Pierwszy moduł sprawdzający otrzymuje dwa dane wejściowe: połączone dokumenty i wygenerowaną odpowiedź. Jego zadaniem nie jest ocena, czy odpowiedź jest prawdziwa w sensie absolutnym, ale czy jest w całości osadzona w dostarczonych materiałach. To rozróżnienie jest kluczowe: poprawne stwierdzenie, którego nie ma w dokumentach, musi zostać odrzucone, ponieważ pochodzi z pamięci treningowej modelu, a nie z Twojego korpusu – i nie ma gwarancji, że kolejne stwierdzenie będzie równie trafne. Format wyjścia odpowiada oceniaczowi: binarny obiekt JSON przy temperaturze zero.

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"

Sprawdzanie użyteczności

Drugi moduł sprawdzający nie widzi ani dokumentów, ani wyników pobierania – tylko pytanie i odpowiedź. Tak wąskie pole widzenia jest zamierzone, ponieważ izoluje ono wadę, którą pierwszy sprawdzacz przepuszcza. Wyobraź sobie, że ktoś pyta, ile wymiarów produkuje model embeddingów, a odpowiedź szczegółowo opisuje, do czego służą embeddingi, nigdy nie podając liczby. Wszystko jest osadzone w dokumentach, więc pierwszy sprawdzacz mówi „tak“, a użytkownik odchodzi bez szukanej informacji. Drugi sprawdzacz mówi „nie“ i uruchamia kolejną próbę.

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"

Pętla samokorekty

Klasa SelfRAG wykorzystuje znane już kroki pobierania i oceniania, a następnie opakowuje je w pętlę ponawiania ograniczoną przez max_retries. Logika pętli jest subtelniejsza, niż się wydaje, ponieważ dwa typy błędów są traktowane inaczej. Wykryta halucynacja po prostu wyzwala ponowne generowanie z tym samym kontekstem: problem leży po stronie modelu, który przesadził, i świeża próba często wystarcza. Odpowiedź uznana za nieużyteczną uruchamia jednak dodatkowe wyszukiwanie w sieci przed ponowną próbą: tutaj problem leży w kontekście, który jest zbyt ubogi, by poprzeć kompletną odpowiedź, a ponowne generowanie bez dodania czegokolwiek dałoby ten sam rezultat.

Zwróć uwagę na wyjście awaryjne po pętli. Gdy wszystkie próby zostaną wyczerpane, system nie zgłasza wyjątku: zwraca ostatnią wygenerowaną odpowiedź wraz z jej flagami grounded i useful. Jest to świadomy wybór projektowy – lepiej zwrócić niedoskonałą odpowiedź odpowiednio oznaczoną, którą Twój interfejs może wyróżnić dla użytkownika, niż wyrzucić surowy błąd.

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']}")

Koszt niezawodności

Każda bariera ochronna dodaje kolejne wywołanie LLM, a suma rośnie szybko. Poniższa funkcja czyni to wyraźnym, rozbijając liczbę wywołań na poszczególne etapy: jedno wywołanie oceny na dokument, następnie generowanie, sprawdzenie osadzenia i sprawdzenie użyteczności, powtarzane przy każdej próbie. Przy czterech dokumentach i jednej ponownej próbie dochodzisz do dziesięciu wywołań dla jednego pytania – podczas gdy podstawowy RAG wymagał dwóch. Uruchom to szacowanie z własnymi wartościami przed ustawieniem k i max_retries: obliczenie to powie Ci, czy Twój budżet i wymagania dotyczące opóźnień obsługują Self-RAG dla całego ruchu, czy tylko dla najbardziej newralgicznych pytań.

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

Kluczowe wnioski

  • Self-RAG dodaje dwie kontrolne po generowaniu: halucynacje i użyteczność
  • Jeśli odpowiedź nie jest osadzona w dokumentach, system generuje ją ponownie
  • Jeśli odpowiedź nie jest użyteczna, system przeprowadza wyszukiwanie w sieci i ponawia próbę
  • Liczba ponownych prób musi być ograniczona, aby kontrolować opóźnienia
  • Self-RAG jest droższy (więcej wywołań LLM), ale bardziej niezawodny