KIRA：面向专业视觉领域的知识密集型图像检索与推理架构

检索增强生成（RAG）在文本问答中成效显著，但在视觉领域仍面临模态鸿沟、语义知识库构建及多跳推理等挑战。本文提出 KIRA 架构，通过五阶段框架解决十大核心问题。其创新包括基于 DINO 的分层语义分块、少样本自适应对比编码器、结合思维链的双路跨模态检索，以及支持时序与多视角的“检索链”多跳推理机制。此外，引入证据约束生成与事后幻觉验证。在医疗、电路等专业领域的实验表明，该方法显著提升了检索精度与推理忠实度。