解决针对非向量检索导致重排序失败问题

在 RAG 混合检索场景中，系统同时使用多种检索器： - 向量/全文检索：Elasticsearch（返回带相似度分数的文本片段） - 结构化查询：SQL 检索器、Cypher 检索器（返回精确的表格数据） 当这些结果进入 KnowEngineReRankingContentAggregator 进行 RRF 融合和 BGE 重排序时，结构化查询结果会导致重排序失败或效果异常，原因包括： - 评分模型不适用：BGE scoring model 是为文本相似度设计的，对 SQL/Cypher 返回的结构化表格数据评分不准确 - RRF 融合不合理：结构化查询结果是精确匹配，不需要与向量检索结果做倒数秩融合 - 代码中基于chunk的embedding_id做去重，而结构化查询没这个字段，会报错。 于是，我们设计了一个基于元数据标记的混合聚合架构，让结构化结果跳过重排序/融合，直接透传给 LLM。

定义 skipRerank 标记常量

MetadataKeyConstant.java

public

SQL/Cypher 检索器为成功结果打标记

KnowEngineNeo4jContentRetriever.java、KnowEngineSqlDatabaseContentRetriever.java

@Override
public


        results


}

创建混合聚合器，分离两类结果

KnowEngineHybridContentAggregator.java

public


                        structuredContents

                        unstructured


                    unstructuredLists


                unstructuredQueryToContents


            unstructuredAggregator


            structuredContents
        combined
        combined


}

在 ChatApplicationService 中组装聚合器链

// 使用带进度通知的聚合器包装原始聚合器
// 混合聚合器：SQL/Cypher 结构化结果直接透传，仅对向量/全文检索结果做 RRF 融合和重排序
ContentAggregator


    processCallback
)