NaviRAG：让RAG系统学会“主动导航”的长文档问答优化方案

在处理长文档问答任务时，传统的RAG系统往往面临一个核心困境：如何高效地从海量文本中精准定位所需信息？过去几年，主流RAG方案采用“切块-建索引-相似度检索”的流水线式方法，这在简单问答场景表现尚可，但一旦遇到跨章节、多跳推理的复杂问题时便显得力不从心。清华大学联合南京大学、东北大学的研究团队近日提出了NaviRAG，为这一难题提供了新的解决思路。

导航检索的实现流程

传统RAG系统在长文档场景下面临三个主要瓶颈。首先是粒度两难问题：文本切得太细会导致片段缺乏上下文语境，模型难以理解完整含义；切得太粗则会引入过多噪声，关键证据被淹没。其次是被动一次性检索的局限——查询来时检索一次，拿到什么就是什么，信息不足也无法补充。第三个问题是扁平化处理忽视了文档天然的层次结构，目录、章节、子节之间的语义关系被完全忽略。GraphRAG、RAPTOR、HippoRAG等后续方案虽然做了诸多改进，但检索本身仍是一次性的被动过程，未能真正模拟人类查阅资料的认知模式。

性能表现与效率优势

NaviRAG的设计灵感来源于认知心理学中的信息觅食理论，该理论指出人类获取信息并非一次性抓取，而是沿着“信息气味”进行序列化探索——发现一条线索后顺藤摸瓜，信息不足就回头换路径。基于这一洞察，研究团队提出了“先定位、再觅食”的两阶段检索范式。第一阶段利用传统向量检索快速圈定相关语义子空间，避免在整 个语料库中盲目搜索；第二阶段则由LLM Agent沿着预先组织好的层次知识树自顶向下导航，每一步自主决定是“吸收当前节点”还是“继续向下展开”。这种设计的核心优势在于检索粒度不再是预先固定的，而是随查询需求动态调整——需要宽泛背景时停在高层摘要，需要具体证据时则下钻到叶子节点。

实验结果分析

NaviRAG的知识树构建分为三个步骤。第一步“搭骨架”：让LLM基于文档生成高层语义大纲，形成知识树的初始结构。第二步“往里塞”：将文档切分为512 token的片段，由LLM决定每块内容应归属哪个节点，可能合并进已有节点也可能新建子节点。过程中有两个关键控制参数：τ_text控制叶节点内容长度，超过阈值则自动分裂；τ_level控制同层节点数，过多时触发软聚类以保持树的结构平衡。第三步“回炉精炼”：完成所有片段插入后，自底向上整理内容并生成各节点摘要，使整棵树的语义表述更加清晰一致。整个构建过程由LLM驱动，实验中使用了Qwen2.5-72B模型。

知识树的构建机制

知识树构建完成后，在线检索流程模拟Agent“读书”的过程。步骤一为向量检索定位候选集，对查询在所有节点上做向量检索，拿到top-k候选后映射到对应的语义子树，将检索范围从整本书收敛到一两个相关章节。步骤二逐层节点选择，从子树顶层开始，每层让LLM挑选与查询最相关的节点集合。步骤三进行节点决策，对每个选中节点判断是吸收进最终上下文还是继续展开子节点，这个决策是迭代进行的，Agent可以根据已收集信息判断还缺什么。步骤四混合上下文生成答案，最终输出由向量检索片段、中间层摘要、按需展开的原始文本混合而成的上下文，交给生成模型作答。此外还提供了记忆增强版本，维护动态记忆状态让Agent对“已知道什么、还缺什么”有更全局的感知。

如有侵权，请联系删除。