RAG 知识图谱检索系统

从零手写工业产品 RAG 检索系统｜三路混合检索+全链路降级，2026 届求捞

正文：

大三下独立开发的一个面向工业设备的 RAG 知识问答系统，核心理念是"每个组件都要有降级方案"。

技术架构（9 步管线）：

意图分类 → 查询改写 → 三路并行检索 → RRF 融合 → Cross-Encoder 重排 → LLM 生成
三路检索：向量检索（BGE）+ HyDE（LLM 生成假设文档→编码→搜索）+知识图谱（Neo4j）
RRF 融合公式 1/(k+rank)，k=60 压制单路高分，追求多路共识
全链路降级（DEMO_MODE 一键切换）：

Milvus → NumPy 本地向量库
Neo4j → 内存字典
BGE embedding → n-gram 哈希
PostgreSQL → SQLite
Cross-Encoder → 简单分数排序
没有 Docker、没有 GPU、没有网络也能跑通完整管线。

技术栈： Python / FastAPI / BGE / Milvus / Neo4j / PostgreSQL / Redis / DeepSeek API

GitHub： https://github.com/yfkzdk/product-rag

求捞方向： 后端开发 / 搜索推荐 / NLP 工程师，base 不限