面向知识图谱的开放世界检索增强生成：一种多智能体协作框架

摘要

大语言模型（LLMs）在网络搜索与推理任务中展现出强大能力。然而，因其依赖静态训练语料，模型易出现事实性错误与知识缺失问题。检索增强生成（RAG）通过引入外部知识源（尤其是结构化知识图谱 KG）弥补了这一缺陷，知识图谱可提供显式语义表达与高效检索能力。

但现有基于知识图谱的 RAG 方法普遍预设锚点实体可直接获取，并以此启动图遍历；在开放世界场景中，用户查询与知识图谱实体间的精准链接并不可靠，这一假设严重限制了模型的鲁棒性。

为突破该局限，本文提出AnchorRAG—— 一种无需预设锚点实体、面向开放世界 RAG 的全新多智能体协作框架。具体而言，由预测器智能体将查询词汇与知识图谱节点对齐，动态识别候选锚点实体；并为每个候选实体分配独立检索器智能体，并行开展多跳知识探索。随后，监督器智能体为检索器制定迭代检索策略，融合生成的知识路径并输出最终答案。

该多智能体协作框架有效提升了检索鲁棒性，缓解了锚点模糊或错误带来的负面影响。在四个公开基准数据集上的大量实验表明，AnchorRAG 显著优于现有基线模型，在真实世界推理任务中取得全新的最优性能。相关数据集与代码已开源，地址为：https://github.com/Jayson3831/AnchorRAG。

关键词

检索增强生成；知识图谱；大语言模型；智能体化搜索

1 引言

大语言模型（LLMs）[1, 42] 通常指参数量巨大、以自监督方式在大规模语料上训练的深度学习模型。其内部参数化机制能够对外部知识进行隐式表示。在推理阶段，思维链（CoT）[38] 方法通过精心设计的提示引导模型 “逐步思考”，使其能更好地处理逻辑复杂或多步推理任务，在网页搜索 [24] 等自然语言处理任务中表现更优。

尽管取得这些进展，LLMs 仍受静态训练语料不完整、不准确的根本性限制，常引发事实幻觉[16] 问题，尤其在知识密集型任务中更为突出，严重制约了模型在真实场景中的可靠性与落地应用。

图 1：RAG 中封闭世界设定与开放世界设定的差异示意图

为解决这些局限，近期研究 [17, 39] 探索利用外部知识源增强大语言模型，以提升事实一致性与推理能力。尽管基于外部知识对大语言模型进行微调 [14]计算成本高且灵活性差，但一种极具前景的方案是检索增强生成（RAG）[22]，它将外部知识的实时检索与生成式建模相结合。

为提升外部知识的检索效率，部分研究者采用知识图谱（KG）将外部信息表示为结构化三元组，即（实体，关系，实体）。此时，基于知识图谱的 RAG 的核心问题，便是定位相关三元组以增强推理能力。

在现有方案中，迭代检索方法[6, 27, 31, 35, 41] 已成为该领域的研究热点。这是因为这类方法能够通过多轮 “检索–生成”，动态构建并优化可解释的推理路径，从而处理复杂的用户查询。这类 RAG 方法通常分为两步：

1. 识别与查询相关的锚点实体以启动检索；
2. 执行迭代检索以构建推理路径。

通过上述步骤，这些方法能够有效利用与查询相关的外部知识，提升下游推理任务的性能。

然而，现有的基于知识图谱的 RAG 方法几乎都采用封闭世界设定，即假设锚点实体是可获取的，并且存在于给定的知识图谱中。如图 1 (a) 所示，针对问题 “罗姆尼毕业于哪所大学？”，锚点实体 “米特・罗姆尼” 是预先定义好的。RAG 方法可以直接定位目标实体，用于后续检索。

但在实际场景中，用户问题通常符合开放世界设定，即锚点实体是未知、不可直接获取的。在这种情况下，现有方法通常借助实体链接模型，提取查询中的关键词，通过语义匹配来识别候选锚点实体。由于存在名称缩写、别名等问题，这些方法往往会面临匹配不精确或部分匹配带来的问题，如图 1 (b) 所示。

因此，开放世界 RAG 的核心挑战在于：如何精准识别锚点实体，从而检索到相关信息。

为解决这一问题，我们提出 AnchorRAG—— 一种多智能体协作（MAC）框架。它无需预设锚点实体即可执行检索增强生成（RAG），从而实现更高效的知识检索，提升大语言模型的推理性能。

具体而言，本框架采用流水线式多智能体协作架构：首先，预测器智能体从输入问题中提取关键词，并通过语义匹配模型，结合实体名称描述与结构邻域信息获取候选实体；随后，多个检索器智能体以每个候选实体为起点，并行执行知识图谱遍历，通过迭代检索获取后续推理所需的关键知识；最后，监督器智能体对检索到的证据进行综合，判断是否可生成答案，并规划整个检索流程。

本文的主要贡献总结如下：

• 总体层面。我们强调在开放世界检索增强生成（RAG）中，精准识别锚点实体至关重要。将多智能体协作融入问答流程，能够提升 RAG 方法的通用性，并改善其在开放世界场景下的表现。

• 方法层面。在锚点识别方面，我们设计了一种实体接地策略，通过实体名称描述与结构邻域信息来定位候选锚点。在知识检索方面，我们提出了一种结合候选排序与证据验证的新型检索方法，能够捕捉有效知识路径，从而提升大语言模型的推理能力。

• 实验结果。大量实验表明，AnchorRAG 在四个公开问答数据集上持续优于现有基线方法，在真实世界推理任务中取得了当前最优性能（SOTA）。

2 相关工作

知识图谱 [2,4] 为大语言模型 [9] 的静态知识提供了关键补充，有效缓解了复杂推理 [45] 任务中出现的事实错误与幻觉问题。因此，面向大语言模型、从知识图谱中高效检索事实信息已成为重要研究方向，相关方法主要分为三类：语义解析、单次检索与迭代检索。

2.1 语义解析方法

语义解析方法旨在将自然语言问题转化为可执行的逻辑形式 [21]，例如 S 表达式或 SPARQL 查询语句。随后，将这类查询的输出结果作为外部知识，增强大语言模型的推理能力。

研究人员围绕逻辑形式的生成与评估，探索了多种实现策略。FlexKBQA [25] 首先批量采样大量 S 表达式，再利用大语言模型将其改写为自然语言问题，构建程序–问题配对数据，以此训练轻量化模型。另一经典方法 RNG-KBQA [44] 则借助排序模型，从候选集合中筛选出关联性最强的逻辑表达式。

除此之外，ChatKBQA [26] 提出先生成、后检索框架：先通过微调后的大语言模型生成逻辑形式骨架，再依托无监督检索模块填充具体内容。

需要注意的是：一旦生成的逻辑形式存在偏差，会导致整条推理流程错乱，最终输出错误答案。在真实场景中，精准的逻辑表达式难以生成，这一缺陷限制了语义解析方法的实际推理性能。

2.2 单次检索方法

单次检索方法仅通过一次检索操作，即可从知识图谱中获取实体、关系、子图等全部相关信息 [12,28]。该类方法能够有效降低计算开销，缩短推理时延。

HippoRAG [11] 通过构建无范式知识图谱，结合个性化网页排名算法引导单步检索，以此降低检索流程的复杂度与资源消耗。无独有偶，G-Retriever [13] 将子图检索建模为 ** prize 约束生成树（PCST）** 优化问题，实现高效检索与语义提示的协同增益。在此研究方向下，KnowGPT [47] 借助强化学习，单次即可抽取完整推理链路。此外，KG-GPT [20] 通过分句处理与图谱检索，一次性构建完整证据图。

综上，尽管上述方法精简了推理流程、节约计算资源，但在复杂多跳推理任务中存在固有局限：若初次检索无法锁定关键证据、过滤无效信息，极易导致模型生成错误答案。

2.3 迭代检索方法

代检索框架旨在通过多轮「检索 - 生成」交互操作，动态构建并优化推理路径，从而处理复杂查询任务 [12,46]。以 ToG [31] 与 StructGPT 的 IRR 框架 [18] 为代表的早期开创性研究，验证了大语言模型逐步遍历知识图谱、累积推理证据的可行性。

为进一步解决高难度复杂推理中的各类问题，现有研究引入了更精细化的优化策略：例如 GRAG [15] 的多阶段优化、Generate-on-Graph [41] 的动态知识补全、多智能体决策机制 [27]，以及 Plan-on-Graph [6] 的自适应规划与回溯机制。

尽管上述方法效果显著，但均基于一个理想化前提：查询中的实体能够轻松匹配并链接至知识图谱对应节点。为适配开放世界场景，部分工作引入实体链接策略 [23,30,34] 完成实体识别。例如：ToG [31] 与 Paths-over-Graph [33] 依靠大语言模型提示自动抽取相关实体；AMAR [40] 采用 ELQ [23] 双编码器模型，同步完成实体提及检测与实体链接。

3 预备知识

知识图谱通常定义为有向关系图 G=(E,R,T)。其中：E 为实体集合，R 为关系集合，T⊆E×R×E 为事实三元组集合。任意三元组 (h,r,t)∈T 代表一条客观事实：h∈E 是头实体，r∈R 为关系，t∈E 是尾实体。例如，三元组（巴拉克・奥巴马，出生于，夏威夷），对应事实：巴拉克・奥巴马出生于夏威夷。

推理路径：指知识图谱中一组相互关联的三元组序列，用以连接源实体 es​ 与目标实体 et​。形式化定义下，一条长度为 L 的推理路径可表示为：

其中 e0​=es​、el​=et​。推理路径能够刻画多跳依赖关系，是多跳问答任务的关键。

推理子图：是针对查询问题 q 在问答过程中构建的连通子图 Gq​⊆G。一般而言，推理子图 Gq​=(Eq​,Rq​,Tq​) 会通过检索边界实体的k阶邻域进行迭代扩充，并经过筛选优化，仅保留与查询相关的三元组，为推理过程提供证据支撑。

知识图谱问答（KGQA）：该任务旨在将自然语言查询 q 映射为一条或多条推理路径 P 或推理子图 Gq​，最终输出正确的答案实体。该任务同时要求模型具备查询语义理解能力与知识图谱逻辑遍历能力。

开放世界知识图谱检索增强生成（Open-World KG-RAG）：对传统知识图谱问答进行了拓展，不再默认每条查询都存在一组真实锚点实体集合 A⊂E。形式化定义：给定包含关键词集合 K={k1​,k2​,...,kn​} 的自然语言查询 q，开放世界知识图谱检索增强生成可自主学习映射函数 ϕ:K×G→A^，其中 A^⊂E 为推理得到的候选锚点实体集合。不同于目标实体唯一的实体链接任务，开放世界知识图谱检索增强生成面向问答场景设计，适配目标实体不存在或存在多个候选实体的情况。

4 方法

本节提出 AnchorRAG，一种基于多智能体协作框架的迭代检索式 RAG 流程，整体结构如图 2 所示。该架构主要遵循分而治之与协同优化的设计思想。

本文摒弃传统单线程、易出错的「先链接、后检索」线性范式，将复杂的开放世界推理任务拆解为三项独立子任务，并由不同智能体分工完成：

1. 预测器智能体：从用户查询中识别锚点实体，并完成与知识图谱的对齐匹配；
2. 检索器智能体：并行执行多跳知识图谱检索与信息筛选，从多角度全面捕获关键知识；
3. 监督器智能体：统筹管控全流程检索行为，结合图谱检索到的全部证据生成最终答案。

本文方法所用提示词与上下文示例详见附录 E。

图 2：AnchorRAG 框架整体架构，展示面向问答任务的多智能体协同探索流程。

4.1 锚点实体识别

在本框架中，从自然语言问题中精准识别锚点实体的工作，由预测器智能体完成。该过程主要包含以下两个步骤。

候选实体识别

预测器智能体结合大语言模型，从输入问题 q 中识别并抽取关键词，构建关键词集合 W={w1​,w2​,...,wn​}，其中每个 wi​ 均为与问题相关的实体提及。以图 2 中的问题为例：问题 q：“What country bordering France contains an airport that serves Nijmegen?”（与法国接壤、且拥有服务奈梅亨的机场的国家是哪个？）预测器智能体提取的关键词为 w={France, Nijmegen}。

考虑到开放世界场景中普遍存在的实体缩写、别名、长尾实体及潜在拼写错误问题，直接使用关键词 w 在大规模知识图谱 [4] 中进行精确匹配，往往会导致召回率低下、计算成本高昂。为此，AnchorRAG 采用了一种基于精确语义索引的鲁棒实体链接机制：

1. 预构建索引：使用 MiniLM [36] 编码知识图谱中所有实体的名称，并基于这些向量构建 FAISS [7] 索引，实现高效的相似度检索。
2. 关键词预处理：预测器智能体首先对初始关键词集合 w 进行清洗与校对，过滤掉非关键干扰词，并通过提示词修正潜在的拼写错误。
3. 高效检索候选实体：借助 FAISS 库提供的倒排文件与乘积量化技术，预测器智能体可从知识图谱中高效检索出一组最相关的候选实体集合 εˉ。

上下文感知的实体消歧

初始候选实体集合 Eˉ 中往往包含大量与问题上下文无关、但名称相似的实体。若将这些实体全部纳入后续流程，不仅会增加检索开销，还会不可避免地引入噪声。

AnchorRAG 基于这样一个核心假设：通过衡量实体局部图结构中蕴含的语义信息，可有效判断实体与问题的相关性。若某实体的邻接关系在语义上与给定问题高度契合，则该实体更有可能是目标锚点。

为此，预测器智能体采用上下文感知的实体消歧策略，精准筛选出最相关的候选实体。具体步骤如下：

1. 对每个候选实体 e∈Eˉ，收集其一阶邻接关系，构建关系集合 R(e)；
2. 调用预训练模型 SBERT [29]，分别获取问题 q 与每个关系 ri​∈R(e) 的向量表示，记为 q 与 ri​；
3. 利用余弦相似度计算关系与问题之间的相关性得分 s(ri​,q)：

s(ri​,q)=∥ri​∥⋅∥q∥ri​⋅q​

此外，我们通过聚合候选实体 e 与其最相关邻接关系的相关性得分，定义该实体的最终相关性得分：

其中，N(e) 表示根据公式 (1) 筛选出的前k个最相关关系构成的集合。通过对候选实体集合E~中的所有实体进行打分与排序，预测器智能体将选取相关性得分最高的前m个实体（例如法国和奈梅亨）作为最终锚点实体集合，并将其传递给后续的检索器智能体进行并行检索。

4.2 并行探索

助预测器智能体得到的前 m 个候选锚点实体 {a1​,a2​,...,am​}，本框架开启并行探索机制，将每个候选实体分配给独立的检索器智能体 Ri​。多智能体并行搜索是本文框架鲁棒性的关键，能够有效规避单一锚点链接错误带来的缺陷。AnchorRAG 摒弃单一线性推理路径，可同时对多条推理假设开展探索。

在第 t 次迭代中，每个检索器智能体 Ri​ 维护推理子图 Git​=(Vit​,Eit​)，其初始状态为 Gi(0)​=(ai​,∅)。每轮迭代中，智能体检索当前活跃节点的一跳邻域，拓展探索边界并构建候选子图。为保障检索相关性、降低计算开销，候选子图将经过两阶段优化筛选：首先通过候选排序，对关系与实体打分，择优保留具备拓展价值的对象；再开展证据校验，评估三元组有效性，仅保留与查询相关的证据。经校验筛选后的实体，将作为下一轮迭代拓展的新边界节点。

候选关系排序

在第 t 轮检索迭代中，各检索器智能体通过语义对齐，从当前活跃实体 eit​ 动态筛选最优关联关系路径。给定知识图谱 G，智能体先获取与 eit​ 相连的全部一跳关系，记作 R(eit​)={r1​,r2​,...,rk​}。随后以大语言模型作为语义过滤器，为每条候选关系 rj​∈R(eit​) 计算相关性得分 sr​(rj​∣q,eit​)。打分提示词融合查询上下文、当前实体与所有候选关系，实现面向上下文的精准语义匹配。最终检索器选取得分最高的前 b 条关系，构成精简关系集合 R~eit​​。

如图 2 所示：面对目标查询，检索器 R1 以锚点实体奈梅亨为起点，筛选出「邻近机场」「服务」「二级行政区」等高相关关系；检索器 R2、R3 以法国为起点，判定「接壤」「隶属于」等关系有助于推导答案，并过滤「包含」等无关关系。该流程无需模型训练与微调，使 AnchorRAG 对各类知识图谱具备极强的通用适配能力。

候选实体排序

在第 t 次迭代中，针对每条筛选后的关系 rj​∈R~eit​​，检索器智能体 Ri​ 遍历知识图谱，获取所有关联实体，生成候选实体集合 E(rj​)={e1​,e2​,...,enj​​}。需要说明：脱离关系上下文单独评估实体，往往无法取得最优效果，极易误删多跳推理中不可或缺的中间关键实体。为解决该问题，检索器智能体 Ri​ 采用基于大语言模型的打分机制，对集合内每个实体 ek​∈E(rj​) 计算上下文相关性得分 se​(ek​∣q,eit​,rj​)。结构化提示词整合查询语句 q、当前锚点实体 eit​ 与关联关系 rj​，支撑模型完成细粒度语义推理。所有候选实体依据得分排序，并针对每条关系 rj​，保留得分最高的前 b 个实体。

˜E𝑟𝑗= Top𝑏(E𝑟𝑗,𝑠e) (4)

经筛选得到的实体将构成初步推理路径集合 T(eit​)，为后续证据校验阶段提供支撑。此外，为降低计算成本，本文提出一种混合检索替代策略：采用稀疏检索（如 BM25）与稠密检索（如 SBERT）相结合的方案，替代原有大模型打分机制。该混合策略能够高效召回语义相关或词汇相关的候选内容，在推理性能与运行效率之间实现平衡。本文将在效率评估章节进一步验证该变体方案的实际效果。

证据校验

候选排序阶段会分别为候选关系 rj​、候选实体 ek​ 赋予相关性分数 sr​(rj​) 与 se​(ek​)。现有方法通常对两类分数进行线性加权，以此近似衡量「关系–实体」组合所构成推理路径的匹配程度。这类方法默认关系与实体的相关性相互独立，却忽略二者内在的语义关联性，难以捕捉知识图谱中复杂的语义交互与隐含逻辑结构，进而限制检索效果。

为精准挖掘知识图谱中与查询强相关的隐藏事实，AnchorRAG 引入全新的证据校验机制。具体而言，每个检索智能体 Ri​ 将候选推理路径 T(eit​) 转化为自然语言文本序列，记为 Xit​={x1​,x2​,...,xpi​​}，序列内容融合原始查询 q 与上下文信息。随后，依托大语言模型的推理与理解能力，筛选出包含关键证据的有效推理路径，剔除无关或逻辑矛盾的无效信息。

如图 2 所示：检索器 R1 校验得到推理链P1​=（奈梅亨，邻近机场，韦策机场）、（韦策机场，隶属于，德国）；检索器 R2 挖掘出另一条推理路径P2​=（法国，接壤，德国）、（韦策机场，隶属于，德国）。

校验完成后的优化子图 G~it​ 会存入所有智能体共享的全局记忆库 M，为后续多轮迭代推理与最终答案生成提供核心依据。

4.3 推理

并行探索阶段结束后，各检索器智能体 Ri​ 已生成推理子图 Git​ 及其校验子集 G~it​，并统一存入共享全局记忆库 M。监督器智能体 S 聚合多视角证据信息，判断现有内容是否足以回答当前查询 q。

若证据链完整、可推导出明确结论，监督器将直接生成最终答案；若证据不足，监督器会评估全部候选推理路径，筛选高相关性检索器并标记为活跃状态，引导其在下一轮沿有效方向继续探索。反之，对于偏离查询意图、仅产出噪声与无关信息的检索器，将提前终止运行，从而降低计算开销，减少无效数据对全局记忆的干扰。

满足以下任一条件时，探索过程终止：(1) 达到预设最大检索深度 D；(2) 不存在任何处于活跃状态的检索器。

此时监督器判定：继续依托知识图谱开展路径探索难以获得有效答案，将切换采用思维链（CoT）推理机制，直接输出回答结果。

表 1：不同方法在多个数据集上的实验结果实验选用通义千问增强版（Qwen-Plus）与 GPT-4o-mini 作为大语言模型。最优结果以粗体标注，次优结果添加下划线标注。

5 实验

数据集与评价指标

实验采用四份基准数据集对框架性能进行评测，包含三份多跳知识图谱问答数据集：WebQuestionSP（WebQSP）、GrailQA、Complex WebQuestions（CWQ），以及一份开放域问答数据集：WebQuestions。实验以 Freebase 作为外部知识图谱，其包含回答上述数据集问题所需的完整事实知识。选用 Freebase 可保证与现有主流基准方法公平对比，该图谱结构复杂、规模庞大，能够有效检验检索增强方法的推理能力。本文采用问答领域通用的 ** 精确匹配率（Hit@1）与准确率（Acc）** 作为评价指标。

实验设置

从 Freebase 中抽取全部实体，采用未经微调的 SBERT 模型（allMiniLM-L6-v2）对实体名称与描述进行向量化编码，并基于向量数据库构建索引，用于后续实体查询与匹配。实验将 Freebase 知识图谱部署于本地 Virtuoso 服务器。框架选用 GPT-4o-mini 与通义千问增强版（Qwen-Plus）作为基础大语言模型。为避免智能体无效探索、降低计算开销，设置最大检索深度 D 与拓展宽度 b 均为 3，该参数取值与现有研究的经验最优配置保持一致。此外，锚点实体识别阶段的邻接关系数量 k 固定为 5，并行多跳推理的检索智能体数量 m 设置为 3。

基线方法

选取多种主流提示策略作为对比基线，包含：普通输入输出提示（IO）、思维链（CoT）、自一致性（Self-Consistency）。同时与两种代表性知识图谱 RAG 方法进行对比：Think-on-graph、Plan-on-graph。需要说明：以上两种基线方法均为封闭世界设定，锚点实体已提前标注定义。为公平对比开放世界场景，本文使用基础大模型为其补充完成锚点实体识别，其余实验配置与参数保持完全一致。

5.1 主要实验结果

如表 1 所示，主要实验结果表明：本文所提方法在分别结合通义千问增强版（Qwen-Plus）与 GPT-4o-mini 两种大语言模型时，性能均显著优于绝大多数基线方法。

具体而言，基于 Qwen-Plus 部署时，AnchorRAG 在 Hit@1 与准确率（Acc）指标上，相较最优基线方法分别平均提升 10% 与 11.2%；搭载 GPT-4o-mini 时，两项指标也分别实现 6.3% 与 8.6% 的性能增益。

同时，本文方法在 GrailQA 等复杂数据集上表现尤为突出，其 Hit@1 与准确率分别大幅提升 20.8% 和 20.7%。原因在于该数据集的问题文本与知识图谱实体间存在语义不一致问题，锚点实体定位难度更高。而 AnchorRAG 依托多智能体协作机制有效解决了该难题，取得当前最优性能。

此外，以 ToG 为代表的检索增强方法，整体性能持续优于 CoT 等单纯依赖模型内部知识的方案。这充分验证了检索增强生成技术在问答任务中的有效性，尤其适用于 GrailQA、CWQ 等需要复杂多跳推理的场景。

5.2 鲁棒性分析

由于现有公开问答数据集大多默认外部知识图谱包含全部所需信息，且依赖高质量的纯净实体链接，因此难以适配开放世界问答任务。

为进一步验证本文方法的通用性与鲁棒性，我们基于 WebQSP 与 GrailQA 数据集构建了对应的开放世界版本。具体做法为：首先在原始问题中人为引入拼写错误以添加语义噪声，模拟真实复杂场景，以此测试本方法在开放世界检索增强任务中的适配能力；其次，在数据集中新增部分无法从知识图谱直接检索到答案的问题。数据集的详细构建流程详见附录 A。

自建数据集的实验结果如表 2 所示。可以看出，本文方法在开放世界场景下表现出极强的鲁棒性。以 GrailQA 数据集为例，采用通义千问增强版（Qwen-Plus）的 ToG 方法性能下降 23.4%，而本文方法仅下降 11.6%。实验结果充分证明，AnchorRAG 能够有效适配开放世界问答任务，进一步提升了检索增强生成方法的通用性能。

表 2：以通义千问增强版（Qwen-Plus）与 GPT-4o-mini 作为骨干大模型时，不同方法在 WebQSP、GrailQA 标准数据集与开放世界数据集上的 Hit@1 性能对比。

5.3 消融实验

为验证 AnchorRAG 框架各核心模块的有效性，本文在 WebQSP 与 GrailQA 数据集上开展消融实验，结果如表 3 所示。其中：

• 无实体消歧：在锚点实体识别阶段去除邻域结构信息；
• 无并行探索：移除多智能体检索机制，替换为单一路径检索；
• 无大模型排序（效率评估中记作 AnchorRAG-LR）：采用轻量混合检索策略替代大模型排序，结合 SBERT 语义相似度与 BM25 分数快速筛选候选；
• 无证据校验：检索过程中放弃对三元组的精细化语义过滤。

实验结果表明，各核心模块均能有效提升问答整体性能。对比并行探索与证据校验模块，实体消歧对效果影响最大：在 WebQSP、GrailQA 上分别带来 6.3% 与 20.6% 的性能提升，充分说明在开放世界问答任务中，精准定位锚点实体至关重要。

值得注意的是，在 GrailQA 数据集上，「无大模型排序」变体效果略优于完整 AnchorRAG。原因在于 GrailQA 数据的关系结构规范、语义匹配度高，轻量化检索方案（SBERT+BM25）可高效捕捉语义关联，无需依赖大模型复杂推理，反而表现更佳。

表 3：AnchorRAG 消融实验：各核心模块对 Hit@1 指标的影响

5.4 效率评估

本次效率评估从计算开销与回答质量两个维度，对比 AnchorRAG、AnchorRAG-LR 及最优基线方法 ToG 的综合表现，实验结果如图 3 所示。指标定义如下：「提示词消耗 Token 数（百万）」代表大模型输入提示的 token 开销；「生成回复 Token 数（百万）」为大模型输出文本的 token 总量；「单样本平均推理耗时（秒）」衡量单条问题的平均推理响应时间。

实验结果清晰表明：AnchorRAG-LR 的推理速度显著优于 ToG 与原生 AnchorRAG，同时大幅削减提示词与生成文本的 token 消耗。以 WebQSP 数据集为例：AnchorRAG-LR 相较 ToG 总 token 消耗降低 48.2%，相较 AnchorRAG 降低 77.8%；单样本平均推理耗时仅为 ToG 的 75.3%、AnchorRAG 的 36.2%。

在 GrailQA 数据集上趋势一致：token 消耗分别下降约 37.4%、74.2%，推理效率分别提升 26.8%、62.4%。

在回答准确率层面，依托大模型强推理能力的完整 AnchorRAG 仍保持最优效果。综上，原生 AnchorRAG 以更高计算成本换取更强的语义理解与推理性能；AnchorRAG-LR 则更适用于算力、资源受限场景，是轻量化高效落地的优选方案。对于语义模糊、轻量化模型（如 SBERT）难以处理的复杂歧义问题，建议优先采用大模型排序策略的完整版本 AnchorRAG。

图 3：以 GPT-4o-mini 为骨干大模型时，各方法在 WebQSP 与 GrailQA 数据集上的效率与性能对比

5.5 检索策略的影响

为进一步验证本文方法在锚点实体识别与知识检索环节的有效性，将其检索效果与两种检索增强基线方法（PoG、ToG）及一个模型变体（去除并行检索的 AnchorRAG）进行对比，实验结果如图 4 所示。

上方子图展示了锚点实体识别准确率（绿色标注）。本文方法结合实体文本信息与邻域结构信息完成消歧，识别效果显著优于各基线模型。下方子图为答案精确匹配占比，包含检索直接得到的答案（红色标注）与思维链推理得出的答案（橙色标注）。其中，AnchorRAG 的检索命中率最高，达到 49.6%。这表明多智能体协作机制能够高效精准地获取正确答案实体，为后续推理提供可靠支撑，进而整体提升问答任务性能。

5.6 超参数分析

本文基于 GrailQA 数据集，围绕邻接关系数量 k 与检索智能体数量 m 开展参数敏感性分析，实验结果如表 4 所示。研究发现：为候选实体保留过多邻接关系 k 会引入冗余噪声、稀释关键结构信息，最终造成模型性能下降。同时，合理的检索智能体数量 m 可使 AnchorRAG 达到最优效果，验证了多智能体协作框架的有效性。

实验表明，并非检索智能体数量越多性能越好。智能体冗余会在协作流程中引入不确定检索信息，反而削弱模型表现。此外，本文还针对检索深度与拓展宽度开展了超参数敏感性实验，详细结果与分析详见附录 B。

6 结论

本文提出了 AnchorRAG，一种面向开放世界知识图谱问答的新型多智能体协作检索增强生成框架。现有方法大多依赖预先定义的锚点实体，而 AnchorRAG 无需先验假设，通过自主识别与匹配有效锚点，突破了实体链接不可靠的性能瓶颈。具体而言，预测智能体将问题与候选实体进行语义对齐，动态筛选锚点实体，并启动多个独立检索智能体开展并行多跳知识探索；随后，监督智能体为各检索智能体制定迭代检索策略，整合多条推理路径，最终生成答案。

在四项主流知识图谱问答基准数据集上的大量实验表明：AnchorRAG 整体性能显著优于现有最优基线模型，充分验证了多智能体协作框架的有效性，尤其在复杂多跳推理任务中优势明显。