多跳推理

概述

多跳推理指需要跨越多个数据节点、建立关联关系才能得出结论的推理任务。在RAG场景中，纯语义检索只能解决"答案在单个文档块中"的单跳问题，面对需要多步关联推导的问题时直接失效。这是当下RAG系统的核心痛点。

单跳 vs 多跳的本质区别：单跳问题的答案可在单个文档块中找到；多跳问题需要建立数据间的关联关系、因果关系，完成多步推理。纯语义检索只能做"点对点"匹配，无法做到"点-线-面"的关联推导。
经典案例：用户问"计算机学院学分最高的选修课有哪些？"纯语义检索只能召回3-4门相关课程，无法覆盖全部十几门选修课，自然无法算出正确答案。
破局方案：引入知识图谱，建立知识点与知识点、文档块与文档块之间的连接关系。通过向量检索获取初始节点，基于图谱做关系拓展，再用大模型过滤节点，最终生成答案。
成本与效果的平衡：全自主Agentic Search效果上限极高但Token消耗和响应时长商用无法接受。一层节点拓展已能解决85%+多跳问题，是工业界落地的最优平衡点。