博客
干货|从FiDRAG到GraphRAG，RAG选型终极指南

干货|从FiDRAG到GraphRAG，RAG选型终极指南

2025-06-30

By Zilliz

最近听到一个很有意思的观点：大数据时代已经结束了，取而代之，未来是中数据与RAG的时代。

之所以这么说，因为大模型的力量已经将大数据背后的潜力挖掘快到了尽头。

而所谓中数据，其实就是企业的私有数据和基于数据的认知。简单来说，对企业来说，优质数据越多、用得越好，未来在AI时代的竞争力就越。RAG，通过大模型+知识库\向量数据库的方式，成为了将这些中数据变现的最优解，很好解决了大模型不知道公司产品有多少型号，垂直领域知识不足等问题。

不过，一个很现实的问题是，RAG发展的速度实在太快了，选择多的让人眼花缭乱。

多文档场景用什么RAG？法律场景用什么RAG？学术研究和专利用什么RAG？多模态内容又要用什么RAG？

更细分一点，处理实时数据要怎么选型？步骤式决策怎么选型？结构化数据怎么选型……

对很多开发者来说，知道RAG好用，但却不知道哪个更适合自己，可能是一个共性问题。

本文选择了十大最值得关注的RAG工具，以及一个实用的评估框架，我们可以根据自身需求选择最合适的 RAG框架。

01 快速参考：你应该选择哪种RAG？

传统的RAG系统由两个步骤组成：从由向量数据库（如Milvus）支持的知识库中检索相关数据作为上下文，并利用语言模型生成答案。

但这种Native RAG通常在面对复杂的查询时，会丢掉一些细节，导致生成的回答显得过于泛化，无法深入解决问题。

也是因此，近些年来，各种RAG变体层出不穷，主要的演化方向包括以下三个：

动态决策检索步骤：与传统方法一次性检索所有数据的模式不同，新的RAG模型能够根据问题的具体需求，动态判断是否进行外部信息检索，显著提升了效率并减少了不必要的数据浪费。
支持多模态数据：新型RAG不仅限于处理文本数据，还可以检索图像、视频等多模态数据，从而使得生成的内容更加丰富和全面，提升了上下文理解力和生成的准确性。
优化资源使用：随着数据量的增加和查询复杂度的提升，现代RAG框架能够根据不同查询的资源需求灵活调整计算资源，避免了无效的计算开销。

这些创新使得RAG能够提供更准确、更具上下文理解力的输出，满足开发者和企业的不同需求。以下是主流RAG变体的简明概述：

02 DeepRAG：动态检索决策，提升推理任务的精准度

DeepRAG用端到端训练的神经网络替代了传统的检索管道。它通过建模检索增强推理过程，动态地决定何时依赖外部数据，何时依赖内部推理。这种逐步决策的方法能够高效地填补知识空白。

通过改善推理任务的精确度，DeepRAG提高了8-15%的准确率，并且避免了不必要的检索，节省了计算资源。尽管它增加了系统设计的复杂性，并且需要微调以平衡检索频率，但它非常适合事实验证、多步骤推理任务和研究密集型领域（如法律和医学诊断支持）。

关键特点：

动态检索：根据每一步的需要判断是否进行数据检索。
战略决策：采用类似马尔可夫决策过程的方式进行决策。

GitHub: https://github.com/microsoft/deepRAG

论文：https://arxiv.org/html/2502.01142v1

03 RealRAG：实时数据处理，提升图像生成的真实感

RealRAG增强了文本到图像的生成模型（例如Flux和Stable Diffusion V3），通过实时检索真实世界的图像来填补生成图像中的知识空白。它通过对比生成的图像和检索到的例子，提高了生成图像的真实性。

RealRAG在生成更逼真的图像方面表现优秀，尤其在产品设计和医学成像等领域，准确的视觉表现至关重要。虽然它需要高昂的基础设施成本来支持全天候的多模态处理，但对于高质量图像数据集有限的领域，它也可能面临挑战。

关键特点：

FID评分提升：在斯坦福汽车基准测试上提高了16.18%。
图像检索：通过外部视觉数据增强生成的图像。
自我反思学习：通过图像对比反馈来优化输出。

论文：https://arxiv.org/abs/2502.00848

04 CoRAG：链式检索增强生成

CoRAG灵感来源于链式思维提示，它将查询分解为多个子问题，并按顺序检索相关信息。它根据查询的复杂性，调整检索的深度和广度，并重新构造查询。

通过顺序检索，CoRAG能够提高多层次查询的准确性，尤其适合处理技术故障排查或需要多层次信息的研究任务。

关键特点：

顺序检索：分步检索数据，逐步完善答案。
自适应计算分配：根据检索需求调整资源。

论文：https://arxiv.org/abs/2501.14342

05 VideoRAG：视频内容的检索增强生成

传统的RAG系统主要针对文本数据，而VideoRAG扩展了RAG的能力，能够处理视频内容。它结合了视觉语言模型（如CLIP）和语音转文本、帧分析等技术，允许LLM理解并处理与视频相关的查询。比如，用户可以查询“找出包含情感冲突的场景”。

VideoRAG能够处理超长的视频数据而不影响准确性，其双通道架构有效处理文本和视觉数据。然而，它需要强大的GPU支持，且管理多模态数据流的复杂性较高。适用于视频内容分析、讲座总结等场景。

关键特点：

双通道架构：分别处理文本和视频数据。
无限长视频处理：在长视频中保持上下文一致性。

论文：https://arxiv.org/abs/2501.05874

GitHub：https://github.com/starsuzi/VideoRAG

06 CFT-RAG：基于树形加速的RAG

CFT-RAG采用改进的Cuckoo过滤器和树形结构加速检索，特别适用于结构化数据（如CSV文件、SQL表格）。它能够快速定位关键信息，支持文本和图像的多模态检索，提升了检索的速度和精度。适合实时支持系统、欺诈检测和高频交易平台。

关键特点：

树形结构：以层次树形结构组织信息，提高检索效率。
Cuckoo过滤器优化：加速检索过程，提升精度。

论文：https://arxiv.org/abs/2501.15098

07 CG-RAG：基于图的上下文推理

CG-RAG通过使用知识图谱来捕捉实体（如人物、事件）之间的关系，增强了回答的上下文质量。它特别适用于复杂的学术研究和技术文档，通过图神经网络（GNN）进行图遍历，以捕捉概念之间的引用关系。

关键特点：

图谱检索：将信息结构化为节点，并捕捉它们之间的关系。
引用关系：增强对信息间关系的理解。

论文：https://arxiv.org/abs/2501.15067

08 GFM-RAG：图神经网络驱动的RAG

GFM-RAG利用图神经网络（GNNs）对复杂的数据集进行多跳推理，适用于专利分析、科学研究等领域。它能够精准地连接不同文档之间的信息。

关键特点：

图神经网络：对检索的数据进行语义增强。
多跳推理：跨文档连接不同信息点。

论文：https://arxiv.org/abs/2502.01113

09 URAG：统一RAG

URAG结合了文本、图像、音频和视频的处理能力，适用于多模态数据的环境。它能够优化计算资源，特别适合计算资源有限的教育聊天机器人。

关键特点：

模块化设计：支持组件的灵活替换。
多格式支持：支持10种以上的数据格式。

论文：https://arxiv.org/abs/2501.16276

10 GraphRAG: 基于图的检索增强生成

GraphRAG 通过引入图结构和图神经网络（GNN），提升了对复杂关系和上下文的理解，可以提高推理精度，捕捉节点间关系，此外能够整合文本、图像、音频等数据源，提供全面上下文。特别适合处理涉及实体关系的场景，比如法律（生成精准的法律解答）、学术研究（提取文献中的实体关系）、技术支持（提升故障分析的精准度）等复杂推理任务。

其优点在于可以深入挖掘实体关系，生成上下文相关的答案，适用于精确推理的复杂任务。

其局限性则在于带来了图结构和GNN的额外计算开销，此外在构建高质量知识图谱的过程中，需要比较大的前期投入。

论文：https://arxiv.org/abs/2404.16130?utm_source=chatgpt.com

11 Fusion-in-Decoder (FiD) RAG

与传统RAG相同，FiD首先从知识库中检索相关文档，接下来，FiD将所有检索到的文档信息合并，作为一个整体输入给生成模型，而不是逐一生成。最后，解码器会基于融合后的上下文生成答案，能够综合多来源的信息，提高生成质量。其优势在于能够做多文档融合，提高信息完整性，避免信息丢失，提高生成内容的精度，**特别适用于处理多文档信息的复杂任务，如问答系统、文档总结、多文档整合（如学术研究、法律分析）

局限性则在于，处理多个文档信息会增加计算负担，多个文档中有重复信息时，可能影响生成质量，整体生成质量受限于检索结果的相关性和准确性。

论文：https://arxiv.org/abs/2212.08153