检索是检索增强生成（RAG）框架的核心组件之一，负责从外部数据源或知识库中获取与用户查询相关的信息。其质量和效率对 RAG 系统的性能至关重要，直接影响生成的文本或回答的准确性和相关性。
与检索相关的一些关键概念和技术包括：
检索策略：RAG 系统需确定何时进行检索以及如何选择要检索的信息，可根据任务和上下文调整以提高效率和性能。 检索粒度：能以不同粒度进行，如单个标记、实体、更大的文本块或知识图，选择取决于任务要求和数据结构。 检索方法：有多种可选，如基于关键字的检索、实体检索、自然语言查询和知识图检索等，每种方法都有适用情境和优势。 检索效率：高效检索是关键，尤其在实时应用中，需优化检索过程以降低延迟和资源消耗。 外部数据源：RAG 系统可从多种外部数据源检索，包括互联网上的文档、知识库、数据库和 API，选择合适的数据源对获取准确丰富的信息很重要。在 LangChain 应用开发中，检索器是一个能根据文本查询返回相关文档对象的对象，常见实现如向量存储器检索器，它利用向量存储器的相似度搜索功能实现检索。使用 LangChain 构建 RAG 应用的一般流程为：首先加载数据，根据数据源类型选择合适的数据加载器，如网页可使用 WebBaseLoader；然后将文档对象分割成较小的对象，根据文本特点选择合适的文本分割器，如博客文章可用 RecursiveCharacterTextSplitter。
