SuperBizAgent-java/mvp/issues/rag-l0-l1-fusion-ranking.md

RAG L0 和 L1 未真正融合排序

状态：待规划
严重程度：中
发现时间：2026-07-04
范围：知识检索工具、召回排序、Agent 证据质量

---

现象

当前 lookup_knowledge 的 L0 和 L1 更像是串行兜底关系，不是真正的多路召回融合：

• L0 命中唯一结果时，直接返回 L0。
• L0 不唯一或不足时，才进入 L1。
• L1 查询 topK=3，但最终主要把第一条结果作为补充证据。

这会导致关键词召回和语义召回没有充分互补。

---

当前实现

• LookupKnowledgeTool 先调用 KnowledgeIndexService.exactMatch 做 L0。
• 再按条件调用 VectorSearchService.search 做 L1。
• L0 和 L1 结果没有统一进入候选池做 fusion ranking。
• L1 多结果没有充分利用，相关性接近的候选可能被丢弃。

---

影响

• L0 命中但质量一般时，会压过更好的 L1 语义结果。
• L1 找到多个相近片段时，只有 top1 被 Agent 看到，降低召回覆盖率。
• 难以解释检索排序，因为当前更像规则分支，不是可调的排序模型。

---

建议修复

建立统一候选池：

1. L0 和 L1 都返回候选列表。
2. 按 docId/chunkId 去重。
3. 为候选计算综合分：keywordScore、vectorScore、domainScore、freshness、breadcrumbMatch。
4. 取 topN 进入上下文打包，而不是只取 L1 top1。
5. 在 tool_invocation 中记录每个候选的分数组成，方便调试。

---

相关文件

• src/main/java/com/superbiz/agent/tool/LookupKnowledgeTool.java
• src/main/java/com/superbiz/agent/service/KnowledgeIndexService.java
• src/main/java/com/superbiz/agent/service/VectorSearchService.java