https://blog.tanteng.space/tags/retrieval/Recent content in Retrieval on Tony老师的博客HugozhTue, 03 Feb 2026 08:00:00 +0800https://blog.tanteng.space/posts/rag-retrieval-pipeline-and-rerank/Tue, 03 Feb 2026 08:00:00 +0800https://blog.tanteng.space/posts/rag-retrieval-pipeline-and-rerank/<p>RAG（Retrieval-Augmented Generation）的&quot;检索&quot;二字，背后是一整条工程流水线——从用户 query 出发，经过<strong>粗排、召回、精排、选样</strong>四步处理后，才把 top-K 文档喂给 LLM。这条流水线上每个环节都有专门的算法优化，但<strong>最容易出效果、也最容易被忽视</strong>的，是中间的<strong>Rerank 阶段</strong>。</p> <p>本文用一张全景图把 RAG 检索流水线串起来，然后按&quot;相关性、多样性、时效性&quot;三个维度，对 <strong>7 种主流 Rerank 算法</strong>做横向对比。</p>