检索与原文溯源

SAG 提供全局检索与信源内检索。每条结果都保留 chunk 标识、来源和排名信息，并可以直接打开原文，因此检索质量在 Agent 使用前就能被人工核验。

快速与精确模式

精确模式结合实体关系与 LLM 重排，但仍属于 SAG 自己的检索管线，不会启动一套独立 GraphRAG 服务。

执行一次可验证检索

1. 先选择全局范围或指定信源。
2. 用自然语言描述需要寻找的事实，不要只输入宽泛关键词。
3. 从快速模式开始；结果缺少关系证据时再切换精确模式。
4. 打开前几条结果的原文，确认命中内容与标题、来源一致。

全局与信源范围

全局接口可以传入 source_ids 收窄候选分区；信源接口天然限制在一个知识库。范围越明确，召回中的噪声通常越少，也更便于解释引用来自哪里。

{
  "query": "SAG 为什么适合多跳检索？",
  "source_ids": ["<SOURCE_ID>"],
  "strategy": "multi",
  "top_k": 5
}

top_k 范围为 1 到 50。更大的值会增加传输、重排和后续上下文成本，不应被当作修复低质量查询的第一手段。

如何阅读结果

SearchResponse 主要包含：

• sections：最终原文 chunks，含 heading、content、score、rank 与 source；
• events：参与结构检索的事件候选；
• entities 与 relations：可用于图谱展示的局部关系；
• source_hits：各信源命中统计；
• stats：检索耗时与管线统计。

分数适合在同一次查询内部比较，不建议把某个固定分值当作跨模型、跨版本的统一质量阈值。

查询建议

• 问句和概念性描述优先用语义检索。
• 代码标识、编号或精确专名可通过 MCP 的 grep 工具定位。
• 先收窄信源，再增加 top_k。
• 任何用于决策或生成的关键结果，都应打开原文检查。

外部 Agent 的检索漏斗见MCP 与 Agent Skill。