EdgeQuake 6种查询模式完全指南：如何为你的业务挑选最佳检索策略-二趣网

EdgeQuake 6种查询模式完全指南：如何为你的业务挑选最佳检索策略

【免费下载链接】edgequakeEdegQuake 🌋 High-performance GraphRAG inspired from LightRag written in Rust; Transform documents into intelligent knowledge graphs for superior retrieval and generation项目地址: https://gitcode.com/gh_mirrors/ed/edgequake

EdgeQuake 是一个用 Rust 编写的高性能 GraphRAG（图增强检索）引擎，它把文档转化为智能知识图谱，并提供6 种查询模式（naive、local、global、hybrid、mix、bypass）来匹配不同的提问方式。选对查询模式，就是选对检索策略：事实类问题用快的，关系类问题用图谱强的，主题类问题用全局视角的。本指南帮你 5 分钟选中最适合业务的模式，兼顾准确率、延迟与成本。

为什么单一的向量检索不够用？

传统 RAG 只靠向量相似度找文本块，它擅长回答"退款政策是什么？"这类查找型问题，却在"A 团队和 B 团队如何协作？"这类关系型问题上失灵——因为答案需要跨文档、跨实体把关系"连"起来，而这正是知识图谱的强项。

EdgeQuake 的做法是：让不同问题类型走不同的检索通路，6 种模式覆盖了从"纯向量"到"纯 LLM"的全部谱系。

30秒看懂6种查询模式：一张总表

6 种模式定义在 edgequake/crates/edgequake-query/src/modes.rs 的QueryMode枚举中，其中Mix是生产默认模式（请求省略mode时自动回退到它）。

模式	向量检索	图谱遍历	适合问题	典型延迟
Naive	✅	❌	事实、定义、关键词查找	最快（约 50ms）
Local	✅	✅	围绕具体实体的关系问题	中快（约 150ms）
Global	❌	✅	主题、模式、全局概览	中等（约 200ms）
Hybrid	✅	✅	Local + Global + Naive 轮询融合	中等（约 250ms）
Mix⭐默认	✅	✅	三路加权/RRF 融合，可逐请求调权	可变（约 180ms）
Bypass	❌	❌	跳过 RAG 直接问 LLM（测试用）	最快

💡 一句话记忆：Naive 找内容、Local 找关系、Global 找主题、Mix 全都顾。

查询模式选择决策树：按问题类型对号入座

事实与定义类问题 → 选 Naive

"什么是温室效应？"这类 L1 事实问题，答案就躺在某个文本块里。Naive 模式做纯向量相似检索，不触发图谱开销（避免 "graph tax"），又快又省钱。

实体关系类问题 → 选 Local

"Sarah Chen 负责过哪些项目？"Local 模式先定位实体节点，再沿图谱做邻居遍历，把实体周围的关系和上下文一起带进回答。

主题与概览类问题 → 选 Global

"这份文档讲了哪些主题？"Global 模式用高层关键词向量匹配关系向量，再批量拉取关联实体与源文本块；无匹配时回退到高连接度节点，天然适合"鸟瞰式"提问。

复杂多面问题 → 选 Hybrid 或 Mix

"解释机器学习对气候研究的影响"同时需要实体精度和主题广度。Hybrid以轮询方式交错三路结果、行为确定；Mix则按权重归一融合（生产默认），并支持在请求体中用mix_weights逐请求调整 local / global / naive 三路权重，适合 A/B 实验和领域调优。

调试与对照测试 → 用 Bypass

Bypass 完全跳过检索直接问 LLM，可用于验证"答案到底是模型自带的，还是知识库提供的"。

性能基准对比：速度、质量与成本的权衡

基准数据显示了清晰的权衡曲线：

Naive快约 5 倍，但在关系类问题上质量掉 2 分以上；
Local在实体类问题上表现突出；Global在主题类问题上占优；
Mix / Hybrid质量最高（8.1~8.5/10），代价是上下文更大、成本更高。

结合你的业务约束选择：SLA 严格优先 Naive/Local；答案质量优先选 Mix/Hybrid；成本敏感则用文档过滤 + 调小max_chunks。

按业务场景速查：一张表定方案

业务场景	推荐模式	理由
客服 FAQ、术语查询	Naive	快、便宜、答案在单块内
员工/项目/客户关系问答	Local	实体邻居遍历最准
报告摘要、主题梳理	Global	关系向量 + 高连接度节点
通用企业问答助手	Mix（默认）	三路融合，覆盖最广
领域微调、A/B 测试检索策略	Mix +`mix_weights`	按域调权
检索质量排查、无知识库问答	Bypass /`context_only: true`	只看上下文，不调 LLM

快速上手：一行参数切换检索策略

通过 REST API 查询时在请求体加一个mode字段即可切换，mix权重也随请求下发：

{ "query": "Explain the relationship between ML and climate research", "mode": "mix", "mix_weights": { "local": 1.0, "global": 1.0, "naive": 1.0 } }

常用默认参数（max_chunks、max_entities、graph_depth、max_context_tokens等）以及context_only、prompt_only调试开关，完整说明见 docs/deep-dives/query-modes.md。

企业官网建设流程全解析