Query（查询）：用户输入的查询，它是整个流程的起点。
Query Transformation（查询转换）：将用户的原始查询转换成适合处理的格式，可能包括查询重写、分词、同义词替换等操作。产出：转换后的查询或查询列表。
Query Routing（查询路由）：决定将查询发送到哪个工具或系统进行处理。基于查询的类型或内容，选择适合的处理工具。
DB Storage（数据库存储）：存储原始数据和索引。
Vector Store Index（向量存储索引）：存储查询向量，用于快速检索与查询相关的向量。
Summary Index（摘要索引）：存储文本摘要，提供简洁的查询结果。
Fusion Retrieval（融合检索）：从数据库中检索数据，并融合来自不同来源的数据。
Reranking and Postprocessing（重排序和后处理）：对检索到的内容进行重新排序，以确保最相关的信息排在前面。包括一些后处理步骤，例如去重、格式化等。
Retrieved Context（检索到的上下文）：从数据库中检索到的上下文信息，经过重排序和后处理后准备发送给语言模型（LLM）。
LLM（大语言模型）：接收处理后的查询和检索到的上下文，生成最终的答案。
Answer（答案）：最终由语言模型生成并返回给用户的答案，完成整个查询处理流程。
Vector Store Index（向量存储索引）：作用：存储将文本转化为向量表示后的索引。这些向量表示可以通过相似度计算快速检索到与查询相关的内容。向量存储索引用于支持高效的相似度搜索，特别是在处理自然语言查询时。
Summary Index（摘要索引）：存储文本数据的摘要或简要描述。摘要索引提供了一种快速获取文本核心内容的方式，使系统能够高效返回简洁且有用的结果。摘要索引用于快速匹配和检索相关的摘要信息。
Rerank and Postprocessing（重排序和后处理）：对从数据库中检索到的内容进行重排序，确保最相关的信息排在前面。重排序可能基于多种因素，如内容的相关性、质量、时效性等。后处理步骤包括去重、格式化等操作，以优化最终输出的质量和用户体验。
原创不易，需要鼓励，如觉得本文有用，请点击在看、打赏、转发，谢谢。后附AI精品文章系列。
