WeKnora 检索架构（实验语料 · 固定版）

本文件供 Ch37 五平台实验 与 benchmark/smoke-10.jsonl 使用。版本：v0.1 · 2026-07-01

三路检索

WeKnora 在检索阶段并行执行：

1. 向量语义检索 — Embedding 相似度，擅概念改写与同义表达。
2. BM25 关键词检索 — 擅精确术语、错误码、版本号、SKU。
3. PMI 知识图谱检索 — 基于共现统计的实体边，擅多跳关系（如「A 的作者还写了什么」）。

三路结果经 RRF（Reciprocal Rank Fusion，默认 k=60） 融合，再经 复合 Rerank 精排：

• Rerank 模型分：权重 0.6
• RRF 基础分：权重 0.3
• 来源可信度：权重 0.1

设计取舍

• 纯向量检索无法可靠区分「讨论 X」与「X 的精确数值」——故必须保留 BM25。
• 小语料（< 几百篇）时 PMI 图谱不稳定，应降低图谱路权重或关闭。
• 并行检索延迟 ≈ max(三路) + RRF + Rerank，瓶颈常在 Rerank HTTP 或图谱遍历。

Agentic 与 MCP

WeKnora 通过 MCP 暴露检索 Tool；多轮检索成本在 Agent 轮次 × 单次检索 token 两侧累积。生产建议：简单 FAQ 单次检索，低 Rerank 分才触发 query rewrite 二轮（半 Agentic）。