agentic_huge_data_base / wiki
页面 Cognee · 4.1 检索类型总览·DeepWiki 中文全文译文
DeepWiki 中文译文 / Cognee / 4.1

4.1 · 检索类型总览（Search Types Overview）

记忆管道与知识图谱构建 · 本章是 Cognee DeepWiki 中文译文的独立章节页，保留原始链接、源码锚点、模块标签和章节层级。

项目Cognee 章节4.1 状态全文译文 模块检索、召回与索引、测试、发布与运维、配置治理、系统架构
项目要点页2.5 参考项目 项目章节目录Cognee DeepWiki 原始章节Search Types Overview 上一章4 下一章4.2
源码线索
  • cognee/api/v1/search/search.py
  • cognee/modules/observability/__init__.py
  • cognee/modules/observability/trace_context.py
  • cognee/modules/observability/tracing.py
  • cognee/modules/retrieval/coding_rules_retriever.py
  • cognee/modules/search/methods/get_retriever_output.py
  • cognee/modules/search/methods/get_search_type_retriever_instance.py
  • cognee/modules/search/methods/search.py
  • cognee/modules/search/models/SearchResultPayload.py
  • cognee/modules/search/types/SearchType.py
模块标签
  • 检索、召回与索引
  • 测试、发布与运维
  • 配置治理
  • 系统架构
  • 工作流与编排

中文译文

检索类型总览（中文译文）

原始 DeepWiki 页面：https://deepwiki.com/topoteretes/cognee/4.1-search-types-overview
翻译时间：2026-05-27T08:45:09.262Z
翻译模型：deepseek-chat
原文字符数：9206
项目：Cognee (cognee)

---

搜索类型概述

相关源文件

以下文件被用作生成此维基页面的上下文：

  • cognee/api/v1/search/search.py
  • cognee/modules/observability/__init__.py
  • cognee/modules/observability/trace_context.py
  • cognee/modules/observability/tracing.py
  • cognee/modules/retrieval/coding_rules_retriever.py
  • cognee/modules/search/methods/get_retriever_output.py
  • cognee/modules/search/methods/get_search_type_retriever_instance.py
  • cognee/modules/search/methods/search.py
  • cognee/modules/search/models/SearchResultPayload.py
  • cognee/modules/search/types/SearchType.py

本文档描述了 Cognee 搜索系统中可用的搜索类型及其技术实现。搜索类型决定了检索策略、底层使用的数据库以及响应生成逻辑。

目的与范围

Cognee 提供了一个多策略检索系统，能够将自然语言查询桥接到结构化和非结构化数据。该系统以 SearchType 枚举 cognee/modules/search/types/SearchType.py:4-20 为核心，指导 search 函数 cognee/modules/search/methods/search.py:37-57 选择合适的 BaseRetriever 实现 cognee/modules/search/methods/get_search_type_retriever_instance.py:36-40。

搜索执行流程

下图展示了从自然语言查询到选择特定代码实体（检索器）及其对应数据库引擎的数据流。

搜索策略选择
graph TD
    UserQuery["自然语言查询"]
    SearchAPI["cognee.api.v1.search.search()"]
    Factory["get_search_type_retriever_instance()"]

    subgraph "检索器实现（代码实体空间）"
        GC["GraphCompletionRetriever"]
        RC["CompletionRetriever（检索增强生成）"]
        TC["TripletRetriever"]
        CR["ChunksRetriever"]
        SR["SummariesRetriever"]
        TEMP["TemporalRetriever"]
        CY["CypherSearchRetriever"]
        CDR["CodingRulesRetriever"]
        AR["AgenticRetriever"]
    end

    subgraph "数据库引擎（基础设施）"
        GraphDB["GraphDBInterface（Neo4j/Kuzu）"]
        VectorDB["VectorDBInterface"]
        RelDB["SQLAlchemyAdapter"]
    end

    UserQuery --> SearchAPI
    SearchAPI --> Factory

    Factory --> GC
    Factory --> RC
    Factory --> TC
    Factory --> CR
    Factory --> SR
    Factory --> TEMP
    Factory --> CY
    Factory --> CDR
    Factory --> AR

    GC --> GraphDB
    GC --> VectorDB
    RC --> VectorDB
    TC --> VectorDB
    CR --> VectorDB
    SR --> RelDB
    TEMP --> GraphDB
    CY --> GraphDB
    CDR --> GraphDB
    AR --> GraphDB

来源： cognee/modules/search/methods/get_search_type_retriever_instance.py:73-170，cognee/modules/search/methods/search.py:92-111，cognee/api/v1/search/search.py:28-52

可用搜索类型

GRAPH_COMPLETION（默认）

这是用于复杂推理的主要搜索模式。它采用混合方法，结合了向量相似度与图遍历。

  1. 检索实例：通过 get_search_type_retriever_instance 使用 SearchType.GRAPH_COMPLETION 创建 cognee/modules/search/methods/get_search_type_retriever_instance.py:99-122。
  2. 上下文构建：聚合图三元组和节点属性，为大语言模型（LLM）提供结构化上下文 cognee/api/v1/search/search.py:88-91。

关键参数：

  • triplet_distance_penalty：调整关系距离的权重 cognee/api/v1/search/search.py:43。
  • neighborhood_depth：控制从种子节点开始遍历的跳数 cognee/api/v1/search/search.py:47。
RAG_COMPLETION

一种传统的基于向量的检索增强生成（RAG）。它使用 CompletionRetriever cognee/modules/retrieval/completion_retriever.py 从向量数据库中获取文档片段，并在不利用知识图谱结构的情况下生成响应 cognee/api/v1/search/search.py:93-96。

CHUNKS 与 CHUNKS_LEXICAL
  • CHUNKS：使用 ChunksRetriever cognee/modules/retrieval/chunks_retriever.py 基于语义相似度返回原始文本段。
  • CHUNKS_LEXICAL：使用 JaccardChunksRetriever cognee/modules/retrieval/jaccard_retrival.py 基于 Token 匹配（例如 Jaccard 相似度）进行精确词项匹配 cognee/api/v1/search/search.py:123-125。
SUMMARIES

使用 SummariesRetriever cognee/modules/retrieval/summaries_retriever.py 获取预先生成的内容分层摘要 cognee/api/v1/search/search.py:103-106。

时序

调用 TemporalRetriever cognee/modules/retrieval/temporal_retriever.py 查询时间知识图谱。该类型用于基于时间的查询和分析事件序列 cognee/modules/search/types/SearchType.py:17。

代码 / CODING_RULES

专门用于仓库分析。它使用 CodingRulesRetriever cognee/modules/retrieval/coding_rules_retriever.py:11 查找实现模式和架构规则。该检索器专门查找 coding_agent_rules 节点集中的节点 cognee/modules/retrieval/coding_rules_retriever.py:18。

CYPHER

提供对图数据库的直接访问。它使用 CypherSearchRetriever cognee/modules/retrieval/cypher_search_retriever.py 对 Neo4j 或 Kuzu 执行原始 Cypher 查询 cognee/api/v1/search/search.py:113-116。

AGENTIC_COMPLETION

使用 AgenticRetriever cognee/modules/retrieval/agentic_retriever.py 利用可用技能和智能体逻辑执行多步推理或基于工具的检索 cognee/modules/search/methods/get_search_type_retriever_instance.py:160-169。

实现细节：搜索编排

搜索过程由 get_retriever_output 函数编排，该函数管理从检索器实例化到完成生成的搜索请求生命周期。

搜索检索序列
sequenceDiagram
    participant API as 搜索 API
    participant RO as get_retriever_output
    participant RI as BaseRetriever（实例）
    participant DB as GraphDB/VectorDB

    API->>RO: get_retriever_output(query_type, query_text)
    RO->>DB: graph_engine.is_empty()
    RO->>RI: get_retrieved_objects(query_text)
    RI->>DB: 获取节点/片段/三元组
    DB-->>RI: 原始数据
    RI-->>RO: retrieved_objects
    RO->>RI: get_context_from_objects(retrieved_objects)
    RI-->>RO: context
    RO->>RI: get_completion_from_context(context)
    RI-->>RO: completion
    RO-->>API: SearchResultPayload

来源： cognee/modules/search/methods/get_retriever_output.py:19-91，cognee/modules/search/methods/search.py:92-111

搜索类型对比表

搜索类型主要引擎代码实体最佳用途
GRAPH_COMPLETION图 + 向量GraphCompletionRetriever复杂推理、关系分析
RAG_COMPLETION向量CompletionRetriever文档中的事实查找
CHUNKS向量ChunksRetriever查找特定段落
SUMMARIES关系型SummariesRetriever高层级概览
TEMPORAL图TemporalRetriever基于时间的查询
CODING_RULES图CodingRulesRetriever仓库规则与模式
CYPHER图CypherSearchRetriever自定义图遍历
AGENTIC_COMPLETION图 + 大语言模型（LLM）AgenticRetriever多步智能体推理

来源： cognee/api/v1/search/search.py:86-126，cognee/modules/search/methods/get_search_type_retriever_instance.py:73-170

高级配置

邻域搜索

像 GraphCompletionRetriever 这样的检索器支持 neighborhood_depth 和 neighborhood_seed_top_k 参数。如果提供了这些参数，系统会从向量搜索中找到的 top-k 节点开始执行遍历，以丰富上下文 cognee/modules/search/methods/get_search_type_retriever_instance.py:113-114。

反馈影响

feedback_influence 参数（取值范围 0.0 到 1.0）允许搜索优先考虑在之前会话中收到正面用户反馈的图元素 cognee/modules/search/methods/get_search_type_retriever_instance.py:110。

可观测性

每个搜索操作都被包装在 OpenTelemetry 跨度中。关键属性如 cognee.search.type、cognee.search.query 和 cognee.result.count 会被记录，以提供检索性能的可视性 cognee/modules/search/methods/get_retriever_output.py:35-44。

来源： cognee/api/v1/search/search.py:43-48，cognee/modules/search/methods/search.py:107-110，cognee/modules/observability/tracing.py:37-44