Canali

RAGSpine utilizza meccanismi di evidenza diversi per i fatti numerici e per il testo esplicativo. L'agente seleziona structured, narrative o composite; le utilità per grafi rimangono una superficie di supporto esplicita anziché un quarto ramo di instradamento nascosto.

Canale strutturato

query_metric normalizza metrica, entità, periodo e canale tramite glossari controllati e interroga FactStore. Il suo risultato è esattamente uno tra found, not_found o unrecognized_param.

• In caso di found, la prosa numerica finale viene ricostruita a partire dal fatto memorizzato e riporta source_doc_id/locator.
• In caso di not_found, il risultato è un rifiuto fisso privo di numeri.
• In caso di parametro non riconosciuto, la risposta identifica l'input non supportato invece di tirare a indovinare.

Il modello non può fornire un numero sostitutivo per una ricerca fallita.

Canale narrativo

question
  → optional deterministic/automatic metadata filters
  → optional library router
  → per-library lexical and optional vector search
  → reciprocal-rank fusion
  → optional rerank / postprocess
  → child-hit expansion for parent/window prompt context
  → cited generation

Le modalità di recupero economy, bm25 e lexical non costruiscono alcun backend di embedding né alcun vector store. Le modalità hybrid/auto possono utilizzare embedding ONNX quando installati. Gli operatori di filtro sui metadati sono eq, ne, in, nin, gt, gte, lt, lte e between; il filtraggio si limita a restringere i risultati e preserva l'ordine in ingresso.

MultiIndexRetriever effettua ricerche indipendenti nelle librerie instradate, fonde i loro risultati tramite RRF e conserva la provenienza library_id. Se l'instradamento fallisce, effettua la ricerca in tutte le librerie registrate anziché restituire silenziosamente nulla.

Evidenza parent-child e a finestra di frasi

I chunk piccoli producono corrispondenze precise, mentre un elemento padre o una finestra possono migliorare il contesto di generazione. Lo store dei chunk persiste parent_id, heading, window_text e parent_locator. Uno snippet restituito mantiene i valori text, chunk_id e source_locator del figlio; l'espansione viene collocata in prompt_text separati, con parent_locator come riferimento a ritroso. Le citazioni puntano quindi al figlio corrispondente, non a un aggregato inventato.

I figli soggetti a restrizioni vengono scartati prima della costruzione dello snippet. Il contenuto del loro padre/finestra viene scartato insieme a essi, quindi l'espansione non può aggirare l'isolamento.

Percorso composito

Una domanda composita esegue separatamente i percorsi dei fatti strutturati e dell'attribuzione narrativa, quindi unisce le loro risposte e i relativi elenchi di fonti. La prosa narrativa non può promuoversi a evidenza numerica strutturata. La cronologia della conversazione è esclusivamente contesto di generazione e, allo stesso modo, non può diventare evidenza.

Utilità per grafi

Il dominio graph fornisce grafi di relazioni strutturate deterministici per aggregazioni (roll-up), confronti e tracciamento delle derivazioni, oltre all'estrazione opzionale di relazioni narrative. Gli archi derivati dal modello sono contrassegnati come model-derived e unverified, preservano la lineage fornita dal chiamante e sono vagliati dallo stesso confine di sicurezza. Gli helper GraphRAG non sostituiscono il router a doppio canale.

I grafi dei flussi di lavoro sono separati

L'anteprima dei flussi di lavoro v1 è una proiezione UI redatta di un grafo compatibile con Dify. Descrive esclusivamente nodi, archi, etichette e geometria; non è evidenza narrativa, né una topologia del motore, né un formato eseguibile. Vedi Flussi di lavoro.