LangChain检索器

检索器

检索器

LangChain 中的 Retrievers（检索器） 是一个通用接口，用于根据用户的自然语言查询（unstructured query）返回相关文档（Documents）。它在构建 RAG（Retrieval-Augmented Generation，检索增强生成）系统中起着核心作用。

Retriever 是一个接口，输入是一个字符串查询，输出是一组 Document 对象。

• 它比 Vector Store 更抽象、更通用。
• Vector Store 可以被“转换”为 Retriever（通过 .as_retriever()），但 Retriever 不一定依赖向量存储。
• 核心目的：从大量信息源中高效、准确地检索出与用户问题最相关的上下文，供 LLM 使用。

# Vector Store 可以被“转换”为检索器
retriever = vector_store.as_retriever(
    search_type="similarity",
    search_kwargs={"k": 1},
)
results = retriever.invoke("热门专业top20中，前3名有哪些?")
print(results[0])

统一接口与使用方式

所有 Retriever 都实现 BaseRetriever 接口，支持以下标准方法：

# 同步调用
docs = retriever.invoke("How does photosynthesis work?")

# 异步调用（若支持）
docs = await retriever.ainvoke("Explain quantum computing.")

此外，Retriever 可无缝集成到 LangChain 的 RAG 链（如 create_retrieval_chain） 或 LangGraph 工作流中。

Retriever 的主要类型

A. 自定义文档检索器（Bring-your-own documents）,用于检索你自己提供的私有文档库，通常基于向量数据库：

• ElasticsearchRetriever
• AzureAISearchRetriever
• AmazonKnowledgeBasesRetriever（Bedrock）
• VertexAISearchRetriever（Google Cloud）

这些通常底层仍使用向量搜索 + 元数据过滤，但封装为统一 Retriever 接口。

B. 外部索引检索器（External index），直接检索公开或第三方数据源，无需自己维护索引：

• WikipediaRetriever → 搜索维基百科
• ArxivRetriever → 检索 arXiv 学术论文
• TavilySearchAPIRetriever → 调用 Tavily 的互联网搜索 API

这类 Retriever 将用户查询转发给外部服务，并将结果包装成 LangChain 的 Document 格式。

C. 高级/组合型 Retriever（All retrievers 列表中的其他类型），LangChain 还提供大量高级检索策略，例如：

• 多路检索（MultiQueryRetriever）：自动生成多个查询变体提升召回率
• 压缩检索（ContextualCompressionRetriever）：先检索再压缩文档片段
• 重排序（CohereRerank、FlashRankRerank）：对初步检索结果进行语义重排
• 混合检索（Pinecone Hybrid Search）：结合关键词 + 向量搜索
• BM25 / TF-IDF Retriever：传统稀疏检索方法，可与向量检索融合

典型应用场景

检索器是一个灵活、可扩展的检索抽象层：

• 统一了从本地向量库到互联网搜索的多种信息源；
• 支持简单检索到复杂检索策略（多查询、重排序、压缩等）；
• 是构建生产级 RAG 应用的关键模块。

场景	推荐 Retriever
私有知识库问答	Chroma.as_retriever() + ContextualCompressionRetriever
实时网络搜索	TavilySearchAPIRetriever
学术研究辅助	ArxivRetriever
企业级云搜索	AzureAISearchRetriever 或 VertexAISearchRetriever
提升召回率	MultiQueryRetriever 包装向量检索器

Retriever ≠ Vector Store

与 Vector Store 的关系总结

• Vector Store → Retriever：通过 .as_retriever() 转换，是最常见的路径。
• Retriever ↛ Vector Store：Retriever 是更高层抽象，可完全不涉及向量。
• 最佳实践：将 Vector Store 作为底层存储，Retriever 作为访问入口，便于后续替换或增强（如加 reranker）。

特性	Vector Store	Retriever
是否必须存储文档？	✅ 是	❌ 否（只负责“检索”）
是否必须使用嵌入？	✅ 通常需要	❌ 不一定（如 WikipediaRetriever 直接调 API）
能否封装非向量源？	❌ 不能	✅ 可以（如 Arxiv、Tavily、Kendra）