ERP系统三路融合检索架构设计与优化实践

1. 舞雩ERP-Agent系统重构背景与核心挑战

在ERP系统领域，信息检索的准确性和智能化程度直接影响业务决策效率。传统RAGflow框架虽然提供了基础的检索能力，但在专业场景下暴露出的问题日益明显。作为一名长期深耕ERP系统开发的工程师，我在实际项目中深刻体会到这些痛点：

• 表名查询经常返回相似但不匹配的结果，开发人员需要花费大量时间人工筛选
• 业务问题检索结果中混杂大量无关的系统文档，LLM无法获取有效参考信息
• SQL编写依赖模型记忆而非实际文档参考，错误率居高不下

RAGflow框架的加权求和算法（weighted_sum）采用固定权重分配（向量95%+全文5%），这种设计在通用场景尚可接受，但在ERP这类专业领域就显得力不从心。比如当用户查询"HR_OPERATING_UNITS表结构"时，系统可能返回HR_ALL_ORGANIZATION_UNITS等相似表文档，正是因为框架缺乏精确匹配机制。

2. 三路融合检索架构设计

2.1 整体架构演进

舞雩系统的核心创新在于将传统的双路检索扩展为三路融合架构：

code复制用户问题
    ↓
【意图识别层】
    ↓
【三路并行检索】
    ├─ 向量检索（语义相似度）
    ├─ BM25检索（关键词匹配） 
    └─ Source检索（精确匹配）
    ↓
【RRF融合排序】
    ↓ 
【智能过滤与增强】
    ↓
【完整文档获取】

与RAGflow相比，关键改进点包括：

1. 新增Source检索专精表名/文件名精确匹配
2. 用BM25算法替代基础全文检索提升关键词匹配精度
3. 引入RRF（Reciprocal Rank Fusion）替代加权求和

2.2 Source检索实现细节

Source检索的核心逻辑位于rag/retriever.py的550-552行：

python复制# 表名提取正则
TABLE_NAME_PATTERN = r'\b[A-Z][A-Z0-9_]*\b'

def extract_table_names(query):
    return re.findall(TABLE_NAME_PATTERN, query)
    
# 精确匹配逻辑
for doc in documents