Retriever
RAG系统中的检索组件，负责从向量库中召回与用户查询最相关的文本块，常用评估指标包括Recall@k和MRR。
时间轴 (近 90 天)
在LangChain中，Embeddings、VectorStore和Retriever构成标准抽象：文档经切分后嵌入入库，查询时先嵌入问题再检索Top-K相关片段，拼入提示词交给LLM。
`VectorStore` 负责向量的存储与相似度检索（如 `similarity_search`），是偏底层的存储接口；`Retriever` 是更通用的检索接口，只暴露 `get_relevant_documents`（新版为 `invoke`），任何能根据查询返回文档的对象都可以是 Retriever，不一定是向量库。
`asRetriever()` 只是把 VectorStore 包装成 Retriever 的适配器，中间还可以插入 MMR、相似度阈值、多查询改写等策略。
Retriever（检索器）负责从大规模文档库中快速召回候选片段，常见实现包括稠密检索、稀疏检索以及混合检索。
更换Retriever或Reranker会直接改变送入模型的上下文，进而影响整个RAG系统的输出质量，因此任何组件变更都需要评估检索质量是否退化。
LangChain通过Retriever、Document Loader和VectorStore集成，承载将外部私有数据以提示词形式注入上下文的检索—拼接—生成流程。
全部知识事实 (6)
在LangChain中，Embeddings、VectorStore和Retriever构成标准抽象：文档经切分后嵌入入库，查询时先嵌入问题再检索Top-K相关片段，拼入提示词交给LLM。
50%待验证`VectorStore` 负责向量的存储与相似度检索（如 `similarity_search`），是偏底层的存储接口；`Retriever` 是更通用的检索接口，只暴露 `get_relevant_documents`（新版为 `invoke`），任何能根据查询返回文档的对象都可以是 Retriever，不一定是向量库。
50%待验证`asRetriever()` 只是把 VectorStore 包装成 Retriever 的适配器，中间还可以插入 MMR、相似度阈值、多查询改写等策略。
50%待验证Retriever（检索器）负责从大规模文档库中快速召回候选片段，常见实现包括稠密检索、稀疏检索以及混合检索。
50%待验证更换Retriever或Reranker会直接改变送入模型的上下文，进而影响整个RAG系统的输出质量，因此任何组件变更都需要评估检索质量是否退化。
50%待验证LangChain通过Retriever、Document Loader和VectorStore集成，承载将外部私有数据以提示词形式注入上下文的检索—拼接—生成流程。
50%