💡 輔助查詢是怎么來的？

它是基于你當前查詢（query）檢索到的某個文檔片段（chunk_result），再去“反推”出新的相關問題（utility queries），這些問題的作用是：

• 引導系統從更多角度理解這個文檔；
• 為后續推理、回答或補充背景知識做準備。

---

🧠 舉個非常貼近實際的例子：

假設你問的是：

“公司的治理結構是怎樣的？”

系統用這個問題去檢索文檔，拿到了以下 chunk_result：

“根據公司章程，公司治理結構包括股東大會、董事會、監事會和高級管理層，各自職責如下……”

接著，系統會調用：

utility_queries = self.utility_query_generator.generate_queries(chunk=str(chunk_result),     # 傳入文檔片段內容max_queries=2,existing_graph_queries=...
)

🔍 那這個 generate_queries 做的事，就是用語言模型或者類似的規則模板，生成類似這樣的問題：

• “董事會的職責有哪些？”
• “高級管理層如何履行監督義務？”
• “治理結構中的監事會作用是什么？”

👉 所以，它的目標是“站在系統的視角”，主動提出更多細化問題，把這個 chunk 挖得更深。

---

🚨 注意：它不是基于原始用戶提問，而是基于“當前文檔片段”

雖然初始用戶提問是引發這一切的觸發點，但 輔助查詢其實是“chunk 驅動”的，而不是“query 驅動的”。

也就是說：

原始用戶問題 → 檢索出 chunk → 系統看了 chunk 后自己想出的新問題

---

🧭 為什么這么設計？有啥好處？

這其實是一種很聰明的“文檔自我探索機制”：

優勢	說明
💡 自動挖掘潛在知識	哪怕用戶沒問，系統也能主動發現重要內容
🔄 擴展語義圖譜	生成的 utility query 可以豐富知識圖譜、內存
🤖 改進推理表現	為后續 LLM 回答時提供更多上下文依據
🧠 有助記憶召回	作為補充 query 被記錄，以備后續召回

---

? 總結一句話：

輔助查詢是系統基于已檢索文檔片段，自動生成的新問題，用來更深入理解文檔內容。