Note

三種 RAG 架構比較與應用解析 — Naive、Advanced、Modular RAG 差異整理

系統性比較 Naive RAG、Advanced RAG 與 Modular RAG 三種檢索增強生成（RAG）架構，解析其組成、技術細節、應用場景與優劣，協助選擇最適合的 RAG 解決方案。

三種 RAG 技術架構比較：Naive RAG、Advanced RAG 與 Modular RAG

本文比較《Retrieval-Augmented Generation for Large Language Models: A Survey》中提出的三種檢索增強生成（RAG）技術架構：Naive RAG、Advanced RAG 和 Modular RAG。RAG 旨在結合大型語言模型（LLM）的內部知識與外部資料檢索，以提升事實正確性與時效性。這三種架構代表了 RAG 技術的演進路徑，各自引入不同模組與策略來克服先前架構的侷限。本文將從架構組成、實作方式、技術細節、應用場景與優劣比較等面向，深入剖析三類架構的差異與適用性。

架構組成與流程差異

Naive RAG

最早期且基礎的 RAG 架構，僅包含索引（Indexing）、檢索（Retrieval）與生成（Generation）三個串連模組。流程為：資料向量化 → 檢索前 $K$ 個相關片段 → 查詢與檢索結果一併餵給 LLM 產生回答。此架構流程簡單、模組單一，缺乏查詢優化或反饋機制，適合快速原型開發。

Naive RAG 架構圖

Advanced RAG

在 Naive 基礎上增加前處理與後處理模組，如查詢優化、重排序、內容過濾/壓縮等。流程仍為索引→檢索→生成，但在檢索前後插入優化步驟，提升檢索品質與生成相關性。組件包含查詢改寫、混合檢索、重排序等，能針對性強化檢索與生成階段。

Advanced RAG 架構圖

Modular RAG

最新階段，強調積木式模組化設計。除繼承前述流程外，允許多輪檢索-生成、平行資訊融合、自適應流程等。可靈活增減如網路搜尋、長程記憶、路由決策等模組，流程可重組、迭代或分支，適應複雜多變的任務需求。

Modular RAG 架構圖

實作方式與系統特性

  • Naive RAG：實作最直接，僅需嵌入模型、向量資料庫與 LLM。模組線性串接，無需微調，部署維護成本低，適合簡單應用。
  • Advanced RAG：需引入查詢優化、重排序等模組，常用 LlamaIndex、LangChain 等框架。系統複雜度提升，需調校多個子系統，適合中等複雜度任務。
  • Modular RAG：高度模組化，常用流水線編排框架。每個功能獨立封裝，系統可為有向圖結構，便於擴充與維護，但開發協調成本高。

核心技術細節

資料預處理與嵌入

  • Naive RAG：文本清洗、切分、嵌入，建立向量索引，重點在語義表示。
  • Advanced RAG：細粒度切分、滑動視窗、metadata 標註、混合嵌入（密集+稀疏），提升檢索覆蓋率與精確性。
  • Modular RAG：動態資料處理，可即時抓取新資料、多模態資料、記憶模組自我增強，嵌入策略多元且可演化。

檢索策略與查詢優化

  • Naive RAG：單輪語義相似度檢索，無查詢優化或多輪交互。
  • Advanced RAG：查詢重寫/擴展、多次/混合檢索、重排序與過濾，提升檢索準確率與覆蓋率。
  • Modular RAG：自適應多階段檢索、路由決策、平行多查詢、遞歸式檢索，根據任務動態調度檢索策略。

上下文融合與資訊增強

  • Naive RAG：直接拼接查詢與檢索內容，無額外處理，易受雜訊干擾。
  • Advanced RAG：重排序、壓縮、過濾、明確引導模型引用檢索內容，提升訊息品質。
  • Modular RAG：多步融合、示範-搜索-預測、動態記憶、事後校驗，深度整合外部知識與模型推理。

回答生成與控制

  • Naive RAG：LLM 直接生成，控制力弱，易出現幻覺或拼貼。
  • Advanced RAG：提示工程、微調、反饋迴路、生成後過濾，強化可靠性與安全性。
  • Modular RAG：示範模組、迭代生成、後處理校驗、用戶反饋迴路，實現嚴謹的生成管控。

適用場景與限制

  • Naive RAG：適合原型、FAQ、內部知識庫等低複雜度場景，開發快但不適合高精度或多步推理任務。
  • Advanced RAG：適用於醫療、法律、教育等知識密集型問答，能處理較大規模知識庫，但資源需求與維護成本較高。
  • Modular RAG：適合大型企業、跨領域系統、需多階段推理或多源資訊整合的場景，擴展性與維護性最佳，但開發複雜度與初始成本高。

優劣比較

架構實用性可擴展性維護成本
Naive RAG高（易用）低～中低
Advanced RAG中（需專業）中～高中
Modular RAG低（複雜）極高高（初始），低（局部維護）
  • Naive RAG：簡單易用、成本低，但遇到複雜任務易達天花板。
  • Advanced RAG：性能與複雜度平衡，適合多數專業應用，維護需專業投入。
  • Modular RAG：彈性與擴展性最強，適合高端需求，但開發與協調成本高。

結論

三種 RAG 架構各有適用場景與優劣。Naive RAG 適合快速原型與簡單應用，Advanced RAG 適合專業領域與中大型知識庫，Modular RAG 則為高複雜度、需長期演化的系統提供最佳解決方案。選擇何種架構，應根據實際需求、資源與長期維護考量權衡取捨。

Reference