Pular para o conteúdo principal

Capítulo 2: Multi-Query e Fusão

Recuperação Multi-Query​

Gere múltiplas variações de consulta, recupere para cada uma e combine os resultados:

from langchain.retrievers.multi_query import MultiQueryRetriever

# Create multi-query retriever
retriever = MultiQueryRetriever.from_llm(
    retriever=vectorstore.as_retriever(),
    llm=llm
)

# Automatically generates variations
results = retriever.get_relevant_documents(
    "What are the benefits of RAG?"
)

Exemplo de Variações Geradas​

Original: "What are the benefits of RAG?"

Generated:
1. "What advantages does RAG offer over traditional LLMs?"
2. "Why should I use retrieval augmented generation?"
3. "How does RAG improve AI system performance?"

Fusão RAG​

Técnica avançada que combina multi-query com fusão de ranking recíproco:

def rag_fusion(query, llm, retriever, num_queries=4):
    # Step 1: Generate query variations
    queries = generate_query_variations(query, llm, num_queries)
    
    # Step 2: Retrieve for each query
    all_results = []
    for q in [query] + queries:
        results = retriever.get_relevant_documents(q)
        all_results.append(results)
    
    # Step 3: Reciprocal Rank Fusion
    fused = reciprocal_rank_fusion(all_results)
    
    return fused[:5]  # Top 5 fused results

Benefícios​

BenefícioDescrição
CoberturaDiferentes abordagens encontram documentos distintos
RobustezMenos sensível à formulação da consulta
QualidadeRRF promove documentos consistentemente relevantes

Quando Usar​

✅ Use multi-query quando:

  • As consultas são complexas ou multifacetadas
  • Usuários expressam as perguntas de formas diferentes
  • É necessário maior recall

❌ Evite quando:

  • A latência é crítica
  • Consultas simples e objetivas
  • O custo é uma preocupação