检索很廉价，请展示代码：用于检索增强生成的可执行多跳推理

检索增强生成（RAG）在处理需多步检索与推理的多跳问题时表现脆弱，主要因自然语言推理中中间状态隐式、查询漂移及自我反思不可靠。本文提出 PyRAG 框架，将多跳 RAG 重构为程序合成与执行任务。该方法利用可执行 Python 程序显式表达推理过程，将中间状态变量化，通过执行提供确定性反馈并生成可检查的追踪记录。此形式支持基于编译器的自我修复和执行驱动的自适应检索，无需额外训练。在五个问答基准测试中，PyRAG 显著优于现有基线，尤其在组合型多跳数据集上表现突出。