SPD-RAG：基于子智能体的文档级检索增强生成

针对复杂现实查询需综合海量文档事实的挑战，标准 RAG 证据覆盖不足，长上下文模型推理困难。本文提出 SPD-RAG，一种分层多智能体框架，沿文档轴分解问题。专用文档级智能体处理各自内容以实现聚焦检索，协调器负责分发任务并聚合部分答案。通过令牌有界的合成层（支持递归 Map-Reduce）合并输出。该方法在异构多文档场景中提升了可扩展性与答案质量。在 LOONG 基准测试中，其平均得分显著优于传统 RAG 及智能体 RAG，且 API 成本仅为全上下文基线的 38%。