AutoRAGTuner：用于自动优化 RAG 管道的声明式框架

检索增强生成（RAG）增强了LLM，但性能对复杂的架构设计和超参数配置高度敏感，目前依赖于低效的手动调优。我们推出 AutoRAGTuner，这是一个声明式、配置驱动的框架，可自动执行 RAG 生命周期：构建、执行、评估和优化。 AutoRAGTuner 采用模块化架构，通过组件注册机制来解耦管道阶段。为了统一异构数据，我们引入了域元素模型（DEM），将对象表示为带有双向指针的原子元素，以支持节点、边和超边。此外，AutoRAGTuner 集成了自适应贝叶斯优化引擎，用于端到端超参数调整。实验结果证明了 AutoRAGTuner 架构的通用性：在不同的 RAG 管道中，从普通管道到基于图形的管道，该框架始终优于默认基线。值得注意的是，AutoRAGTuner 显着减轻了工程开销，其声明性配置语言可将架构调整的代码扰动减少高达 95%。总体而言，AutoRAGTuner 为构建可演进和可重用的 RAG 系统提供了系统可优化的基础。