12.2.2 什么是递归检索（Recursive Retrieval）？

先给结论：递归检索是一种“分阶段、逐层缩小范围”的检索方式。它不是一次性 top-k，而是先检索到上层节点，再在该节点内继续检索，直到拿到足够细节或达到终止条件。

分层检索强调“结构化索引”，递归检索强调“结构内的逐层搜索”。在大文档里，这两者通常配套使用。

递归检索解决的核心问题

• 需要“先找范围，再找细节”的问题（例如先找到章节，再找到条款）
• 文档层级很深，单次检索无法跨层定位
• 复杂问题需要多次定位，才能把关键证据拼起来

递归检索的典型流程

一套可工作的递归检索通常包含以下步骤：

1. 第一层检索：在章节级或文档级索引里找候选节点
2. 进入子空间：对命中节点的子块再次检索
3. 多轮递归：重复执行，直到命中足够细节
4. 终止条件：达到最大深度、命中分数足够高或结果数量达到上限

下面是一个最小流程示意（伪代码）：

def recursive_retrieval(query, node, depth, max_depth=2):
    hits = node.retriever.search(query, top_k=5)
    if depth >= max_depth or confident_enough(hits):
        return hits
    expanded = []
    for hit in hits:
        expanded += recursive_retrieval(query, hit.child_scope, depth + 1)
    return rerank(query, expanded)

重点不在“递归写法”，而在“每次检索都只在更小的范围内发生”。

什么时候值得用递归检索

如果你遇到这些现象，递归检索通常很有效：

• top-k chunk 经常命中“正确章节”的错误段落
• 需要在文档内做“先定位章节，再定位条款”的问题
• 一次检索返回的证据不完整，必须在局部范围继续找

控制递归检索成本的关键

递归检索最大的风险是成本和延迟。建议至少做三类控制：

• 深度上限：最多 2-3 层，不要无限深入
• 子空间大小：对子块数量做上限控制，避免范围爆炸
• 终止阈值：命中分数高或证据齐备就提前退出

这些控制会决定递归检索是否“稳而可控”，否则它很快变成不可用的暴力搜索。

常见误区

误区一：递归检索只是“多跑几次 top-k”

递归检索的核心不是次数，而是“每次都缩小范围”。如果你只是重复 top-k，而范围没有变，效果不会提升。

误区二：递归层数越多越好

层数越多，延迟和噪声越大。递归检索需要一个明确的上限，否则会吞掉成本而不一定提升效果。

误区三：递归检索可以替代重排

递归检索解决的是“范围定位”，重排解决的是“结果排序”。两者是互补关系，不是替代关系。

自检清单

• 每一层检索是否都在更小范围内进行？
• 是否有明确的终止条件，能稳定控制成本？
• 最终返回结果是否能组成连贯证据链？

一句话总结

递归检索的价值在于“先缩小范围，再找细节”。它把大文档问题拆成多次有限检索，让结构成为检索的一部分。