ORDER：面向检索增强生成的任务条件路由

RAG流水线通常在预处理时固定索引与检索配置。一刀切设计不适合领域专家场景，因为异质查询需要不同切分粒度、元数据约束及来源选择策略，对某类查询有效的配置常在其他类别表现差。我们提出查询条件框架ORDER，联合适配索引与检索。方法首先对语料关联的问题集发现语义簇，为每簇学习切分策略及适合的元数据过滤和重排序配置。推理时通过最近质心分配将查询路由到相应预建索引。为改善检索，我们提出监督查询路由器QRe，预测哪些集合最可能含相关证据，再配合均匀多源采样器UMS，把检索预算均分至选中来源。在大规模异质历史档案上，针对查询同时条件化索引与检索，持续优于朴素基线及较强先进RAG系统，适用于复杂专家领域环境。