核心要点

  • 查询重写属于 RAG 的 pre-retrieval（检索前）模块：在向量检索之前对用户原始 query 做预处理，提升召回质量。

  • Spring AI 提供 QueryTransformer 接口及多种实现：RewriteQueryTransformer（改写澄清、去口语化以提升检索精度）。

  • CompressionQueryTransformer 把多轮对话历史压缩成一句自包含的独立 query；TranslationQueryTransformer 做跨语言翻译对齐。

  • 还可用 QueryExpander（如 MultiQueryExpander）把一个 query 扩展成多个变体并行检索，提高覆盖面。

标准回答

为什么要在检索前改写 query 13RAG 的效果高度依赖检索质量，而用户的原始提问往往口语化、有指代、依赖上文，直接拿去做向量检索容易召回不准。 pre-retrieval（检索前处理）就是在查询打到向量库之前，先把 query 加工成更利于检索的形式。Spring AI 把这类能力抽象成 QueryTransformer 和 QueryExpander。 QueryTransformer：一进一出的查询变换QueryTransformer 接口接收一个 Query、返回一个改写后的 Query。Spring AI 内置三种常用实现：

  • RewriteQueryTransformer： 用 LLM 把模糊、啰嗦或口语化的提问改写成清晰、聚焦关键词的检索式 query，提升检索精度。
    -CompressionQueryTransformer：在多轮对话里，把历史对话 + 当前追问压缩成一句自包含的独立 query435，解决「它/那个」这类指代和省略问题。
    -TranslationQueryTransformer：把 query 翻译成知识库主要语言，做跨语言检索对齐（比如中文提问、英文文档库）。 QueryExpander：一进多出，多查询扩展    QueryExpander（如 MultiQueryExpander）则是把一个 query 扩展成多个语义相近的变体，并行检索后合并去重结果。这能覆盖同一意图的不同表达，缓解单条 query 召回不全的问题。怎么接进检索链路这些组件位于 RAG 流水线的检索前阶段，可在 RetrievalAugmentationAdvisor 等模块里配置：用户 query 先经过一个或多个 Transformer / Expander 处理，得到优化后的 query 再去向量库检索。它们大多内部调用一次 LLM，所以要在「检索质量提升」和「额外延迟/成本」之间权衡，按场景选择启用。

常见误区

⚠️ 常见踩坑

别把所有 Transformer 无脑全开——每个 Rewrite/Compression/Translation 通常都要额外调一次 LLM，叠加会显著增加延迟和成本，还可能把原意改偏导致检索更差。应按场景选用：单轮简单问答可不改写，多轮对话才需要 Compression；也别忘了改写后的 query 仍要保留用户核心意图，过度「规整」会丢失关键限定词。

追问

追问 1：CompressionQueryTransformer 和 RewriteQueryTransformer 有什么区别，分别用在什么场景？

Rewrite 关注「把一句话本身改清楚」——去口语化、补全关键词、聚焦检索意图，适合单轮但表达模糊的提问。Compression 关注「把多轮上下文塞进一句」——它读对话历史，把当前依赖上文的追问（含指代、省略）改写成一句不依赖历史也能独立检索的 query，适合多轮对话式 RAG。简单说：Rewrite 解决「问得不清楚」，Compression 解决「问得不完整、要看上文」。两者可串联使用。

追问 2：多查询扩展（QueryExpander）会不会带来重复或噪声结果，怎么处理？

会。多个变体并行检索后结果常有重叠，也可能引入跑题的文档。处理方式是：检索后对命中文档做去重（按文档 id/内容），再做重排序（rerank）或按相似度阈值过滤，只把 top-k 高相关片段送进生成。还要控制扩展数量，变体太多既增加成本又稀释相关性。本质是用「召回换精度」，必须靠后置的去重和重排把精度补回来。

追问 3：这些查询变换都要调用 LLM，如何控制额外的延迟和成本？

几个手段：一是按需启用，简单/单轮查询跳过改写；二是用更小更快的模型专门做 query 改写（改写任务不需要顶配模型）；三是对常见 query 的改写结果做缓存；四是把多步变换合并或并行化，避免串行累加延迟。还可以加开关做 A/B，验证改写确实带来检索质量提升再上线，否则白白付出延迟成本。

🔗 相似问题

同一考点的不同问法，面试官可能换着问，一起刷更稳

没找到想看的面试题？把你想看的告诉我们 →

延伸学习

按主题分类的相关资源，便于系统复习

核心术语

查看更多 →