# LongRAG – 智谱联合清华和中科院推出的双视角鲁棒检索框架

- Link: https://paooo.com/aigc-news/25325/
- Published: 2026-07-13T07:48:29+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 双视角鲁棒检索框架同时处理全局上下文与事实细节，专攻长文本问答难题。
 * 混合检索器、LLM增强提取器、CoT过滤器和生成器协同工作，提升证据密度与答案准确性。
 * 在多个数据集上优于长上下文LLM、先进RAG和Vanilla RAG，并支持自动化微调数据构建。

## LongRAG是什么

LongRAG是清华大学、中国科学院和智谱的研究团队推出的，面向长文本问答（LCQA）的双视角
鲁棒检索增强生成（RAG）框架。基于混合检索器、LLM增强信息提取器、CoT引导过滤器和LLM
增强生成器四个组件，有效解决长文本问答中的全局上下文理解和事实细节识别难题。LongRAG
在多个数据集上超越长上下文LLM、高级RAG系统和Vanilla RAG等基线模型，展现出卓越的性能
和鲁棒性。LongRAG提供自动化微调数据构建管道，增强系统的“指令跟随”能力和领域适应性。

阅读目录

 * [LongRAG是什么](https://paooo.com/aigc-news/25325/#longrag%e6%98%af%e4%bb%80%e4%b9%88)
 * [LongRAG的主要功能](https://paooo.com/aigc-news/25325/#longrag%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [LongRAG的技术原理](https://paooo.com/aigc-news/25325/#longrag%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [LongRAG的项目地址](https://paooo.com/aigc-news/25325/#longrag%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [LongRAG的应用场景](https://paooo.com/aigc-news/25325/#longrag%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![LongRAG](https://paooo.com/wp-content/uploads/2026/07/LongRAG-website-1.avif)

## LongRAG的主要功能

 * **双视角信息处理**：基于全局信息和事实细节的双视角来理解和回答长文本上下文问题。
 * **混合检索器**：快速从大量数据中检索与问题相关的信息片段。
 * **LLM增强信息提取器**：将检索到的片段映射回原始长文本段落，提取全局背景和结构
   信息。
 * **CoT引导过滤器**：用链式思考（Chain of Thought, CoT）指导模型关注与问题相关的
   信息，过滤掉不相关的内容。
 * **LLM增强生成器**：结合全局信息和关键事实细节生成最终答案。
 * **自动化微调数据构建**：基于自动化流程构建高质量的微调数据集，提升模型在特定任务
   上的表现。

## LongRAG的技术原理

 * **检索增强生成（RAG）**：基于RAG框架，检索外部知识辅助语言模型生成回答。
 * **全局信息和细节信息的整合**：系统不仅关注局部事实细节，还整合长文本中的全局信息，
   提供更全面的答案。
 * **映射策略**：将检索到的片段映射回原始长文本，恢复上下文信息，提供更准确的背景
   结构。
 * **链式思考（CoT）**：用CoT作为全球线索，指导模型逐步关注与问题相关的知识，提高
   证据密度。
 * **过滤策略**：基于CoT的全局线索，过滤掉不相关的信息片段，保留关键的事实细节。

## LongRAG的项目地址

 * **GitHub仓库**：[https://github.com/QingFei1/LongRAG](https://github.com/QingFei1/LongRAG)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2410.18050](https://arxiv.org/pdf/2410.18050)

## LongRAG的应用场景

 * **客户服务与支持**：在客户服务领域，理解和回答长篇的客户查询或历史交互记录，提供
   更准确的回答和解决方案。
 * **医疗咨询**：在医疗行业处理大量的病人记录和医学文献，回答医生或病人关于疾病、
   治疗和药物的复杂问题。
 * **法律咨询**：帮助法律专业人士基于分析大量的法律文件和案例，提供关于法律问题的
   深入分析和建议。
 * **教育与研究**：在教育领域，作为辅助工具，帮助学生和研究人员深入理解长篇学术文章
   和研究报告，回答研究相关的问题。
 * **企业决策支持**：分析市场研究报告、企业年报等长篇文档，为商业决策提供数据支持
   和洞察。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**中科院 ↗**

中科院：国家最高学术机构，面向AI 综合应用场景提供便捷实用的在线功能支持。

❓ 常见问题解答（FAQ）

LongRAG适合解决什么问题？

LongRAG主要面向长文本问答（LCQA），适合处理需要同时理解全局背景和局部事实的任务，
例如长文档检索、复杂问答和多段证据整合。

LongRAG和普通RAG有什么区别？

普通RAG通常更侧重检索相关片段，而LongRAG加入了LLM增强信息提取、CoT引导过滤和生成
机制，能把检索内容映射回原文并兼顾全局结构与细节事实。

LongRAG有哪些应用场景？

可用于客户服务、医疗咨询、法律分析、教育研究和企业决策支持等场景，尤其适合需要阅读
大量长文档并给出准确答案的任务。

🔬 语宙深潜追问 · 进阶实操拆解

LongRAG落地时先调哪一环？

优先调检索召回与证据压缩，再看生成端。长文本场景里，先保证全局覆盖和关键片段不丢，
再用LLM增强提取、CoT过滤降低噪声，最后才是提示词和生成策略微调。

如何评估它是否真比长上下文强？

别只看最终答案，建议拆成召回率、证据命中率、幻觉率和长文一致性四层指标。再做分段
消融，对比纯长上下文、传统RAG和LongRAG，才能判断收益来自哪里。

🗳️ 读者观点微投票 · 您的实战立场是？

长文本问答，你更看好哪种RAG路线？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🧬 所属权威专题：RAG 知识库与模型微调 →](https://paooo.com/topics/rag-fine-tuning/)

 * [AutoRAG – 中科院开源的自主迭代检索模型](https://paooo.com/aigc-news/23376/)
 * [LightRAG – 香港大学推出的开源检索增强生成系统](https://paooo.com/aigc-news/26326/)
 * [高级 RAG 技术：图解概览 [译]](https://paooo.com/ai-study/7169/)
 * [DeepRAG – 中科院、中科大和腾讯微信AI部联合推出的新型检索增强生成框架](https://paooo.com/aigc-news/22362/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/25325/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
