01
递归摘要的力量：深入理解 Knowledge Hub 的 RAPTOR 检索实现
面对宏观架构提问，传统的片段检索往往无能为力。本文解析了 Knowledge Hub 如何通过 RAPTOR 架构实现基于目录树的递归摘要、版本控制及增量索引。
标签
02
混合检索的权重之争：Knowledge Hub 是如何调优 Hybrid Search 的
纯向量检索在面对专有名词时常显乏力。本文拆解了 Knowledge Hub 如何通过改良版 RRF 算法与 1.5 倍精确匹配加成，在底层平衡语义召回与字面匹配的博弈。
03
把企业知识做成一条受控链路：Knowledge Hub 全生命周期架构复盘
很多团队以为 RAG 就是把文档丢进向量库。本文通过拆解 Knowledge Hub 从 Staging 暂存、实时 RLS 过滤到两段式检索的全局架构，讲述为何“受控链路”才是 RAG 的终极护城河。
04
Agent-first 以后，RAG 在系统里该站什么位置：从“大脑”退位为“取证中枢”
当单次向量检索无法解答跨文档的宏观命题时，RAG 必须退位。本文深度复盘 Knowledge Hub 如何通过 Agent-first 架构与“侦察/精读”两段式协议，将 RAG 重塑为严谨的取证中枢。