本研究提出NodeRAG框架，解决现有图基RAG方法中图结构设计不足的问题。NodeRAG通过引入异构图结构，优化了索引、查询和存储效率，实验结果表明其问答性能优于传统方法。

本研究提出DyPlan技术，通过动态选择策略提升大型语言模型的问答性能，实验结果显示性能提高7-13%，成本降低11-32%。

本研究引入“元分块”概念，解决RAG中文本分块的重要性问题。通过两种大语言模型策略，实验表明元分块显著提升了RAG在单跳和多跳问答中的性能，尤其在2WikiMultihopQA数据集上效果提升1.32，并缩短了执行时间。