对chunks召回，使用定长、语义切分、上下文丰富感知、为chunk生成摘要，为chunk反向生成问题、滑动窗口等形式，但是确定筛选后的每个chunk 语义相关性，事实尊崇性、可验证性等维度，都是比较相关的吗，未必。

源代码

https://github.com/CrazyAndy/rag-all-techniques/blob/main/app/12_self_rag.py

Self-RAG——这是一个先进的 RAG 系统，能够动态决定何时以及如何使用检索到的信息。与传统 RAG 方法不同，Self-RAG 在整个检索和生成过程中引入了反思点，从而产生更高品质和更可靠的回答。

Self-RAG 核心组件

1. 检索决策：判断特定查询是否需要执行检索

2. 文档检索：在需要时获取潜在相关文档

3. 相关性评估：评估每个检索文档的相关程度

4. 响应生成：基于相关上下文构建回答

5. 支持性评估：验证回答是否基于上下文正确锚定

6. 效用评估：对生成回答的整体实用性进行评分