引言：当RAG撞上几何的天花板
检索增强生成（RAG）已经成为大模型落地的标准配置——根据百度开发者中心2026年5月的技术分析，当前超过70%的企业级AI应用已经在生产环境中部署了某种形式的RAG方案。然而，一个越来越被广泛认知的问题是：为什么明明相关文档就在知识库里，检索环节却总是找不到？
2026年上半年，这个问题迎来了一个从几何底层出发的系统性回答。中国科学院软件研究所在2026年6月被数据挖掘顶会ACM SIGKDD 2026接收的论文中，提出了HyRAG（Hyperbolic Retrieval-Augmented Generation）框架，首次系统性地从表示空间的几何特性出发重构RAG流程。几乎同期，耶鲁大学、香港科技大学（广州）联合NetApp团队在ICML 2026上发表了HypRAG，实现了全链路双曲密集检索。
这两篇工作的核心洞察惊人一致：RAG检索失真的根源，不在模型规模，而在几何空间的选择。
本文将从几何视角出发，系统拆解双曲RAG框架的技术原理、架构设计、工程实践与安全考量，帮助读者理解这一正在重塑RAG底层逻辑的新范式。
一、问题：欧氏空间为什么装不下语言的层级结构？
1.1 一个被忽视的几何缺陷
传统RAG系统的工作流程高度标准化：将文档切块，用嵌入模型编码为稠密向量，在欧氏向量空间中做最近邻检索，最后将检索