系列: RAGFlow v0.25.0 深度解读
作者: 耿雨飞
前置知识: 第10课（文档解析）、第12课（混合检索）、第14课（GraphRAG）
导读
在前面的课程中，我们学习了 RAGFlow 的分块策略和混合检索引擎。标准 RAG 管线将文档切分为相对独立的分块，然后通过向量相似度或全文匹配来检索最相关的分块。这种方式在回答"某段落提到了什么"这类局部问题时效果良好，但遇到"请总结这篇文档的核心观点"或"A 和 B 两个章节的结论有何矛盾"这类需要跨多个分块综合信息的问题时，单分块检索就显得力不从心了。
RAPTOR（Recursive Abstractive Processing for Tree-Organized Retrieval）通过对文档分块进行层次化聚类和递归摘要，构建从原始分块到高层抽象的摘要树。查询时，RAPTOR 生成的摘要分块与原始分块一起参与检索，使系统能够同时命中细节级和主题级的信息。
本课将深入分析 RAGFlow 中 RAPTOR 的完整实现，包括核心算法（UMAP 降维 + GMM 聚类 + BIC 最优聚类数选择）、LLM 递归摘要生成、两种作用域模式（file/kb），以及与 GraphRAG 的互补关系。
学习目标
- 理解 RAPTOR 算法解决的问题：跨分块综合信息检索的局限性
- 掌握 RAPTOR 的核心算法流程：UMAP 降维 → GMM 聚类 → BIC 选择最优 K → LLM 摘要 → 递归
