6.4 大文档与复杂知识场景

这一节要讨论的是检索链路里一个很常见的升级点：

• 当知识库开始出现长文档、多文档和复杂结构时，简单的 top-k chunk 检索为什么经常不够用

前面的检索设计大多还可以先把问题理解成：

• 找到相关 chunk
• 把 chunk 送给后续链路

但一旦进入这些场景，问题就会明显复杂起来：

• 一篇文档很长，答案散在多个段落
• 一个问题需要先找文档，再找文档内部片段
• 一个答案要跨多个文档才能拼出来

这时系统往往就不能再只靠一轮平面检索，而要考虑：

• 分层检索
• 递归检索
• 多级粒度的召回组织

学这一节时，最值得先建立的判断

• 大文档问题常常不是“相关 chunk 不存在”，而是“相关信息被分散在多个层级”
• 简单 top-k chunk 在长文档场景里经常会顾此失彼
• 分层检索更像“先找范围，再找细节”
• 递归检索更像“根据当前结果继续往下追”

这一节会回答什么问题

• 为什么大文档场景下，分层检索通常比直接 top-k chunk 更稳？
• 什么是分层检索（Hierarchical Retrieval）？
• 什么是递归检索（Recursive Retrieval）？
• 长文档、多文档、跨文档问题分别有什么不同？

读完这一节后，你最好能更稳地判断：

• 什么时候该先找文档，再找 chunk
• 什么时候问题需要递归追踪，而不是一次召回完
• 为什么长文档、多文档、跨文档问题不能都用同一种平面检索方法处理