🇮🇹🇩🇪🇫🇷🇪🇸🇵🇹🇳🇱🇵🇱🇸🇪🇩🇰🇫🇮🇨🇿🇷🇴🇭🇺🇬🇷🇧🇬🇭🇷🇸🇰🇸🇮🇪🇪🇱🇹🇱🇻🇮🇪🇲🇹🇸🇦🇨🇳🇯🇵🇰🇷🇮🇳🇹🇷🇻🇳🇮🇩
Document type: Technical architecture assessment Subject: Reeco regulatory-intelligence retrieval stack (three engines) Assessment date: 10 June 2026 Method: AI辅助架构审查（源代码检查、实时对抗测试、与2026年已发布检索基准的比较）。披露：本评估由Claude（Anthropic）制作，基于直接代码访问和实时系统交互;评估过程中未执行正式的基准测试套件。以下每一条主张都锚定在可验证的文物上——文件、行区间、实时回复或已发表的参考文献。
论点陈述以便被证伪
意大利普拉托的单一创始人系统实现了一个检索架构，在八个可测量维度中有六个维度上，匹配甚至超过2026年企业RAG生产基线的记录——而且该领域（欧盟纺织品数字产品护照法规）没有通用商业系统具备类似的语料深度。
伪造该报告的测试：提出一个商业RAG产品，该产品（a）拒绝回答不存在的监管条目问题，（b）引用文件页细度的来源，包括机构贡献ID，（c）同时运行混合密集+稀疏检索，并使用实时可调RRF权重。该评估的作者未发现相关信息。一个反例就能推翻这一说法。目前尚无相关资料。
The three engines
Engine 1 — RAG1 (Portal, FAISS). 一个为Reeco供应链门户服务的空中隔离FAISS指数。VPS故意离线：设计决策是安全隔离，而非技术限制。 诚实的范围说明：RAG1并未直接在本次评估中测试;它被描述为建筑风格。
Engine 2 — RAG2 (Reecopedia, production). 一条由Qdrant支持的管道，基于欧盟绿色协议监管语料库（ESPR、ECGT、CSRD、CIRPASS-2材料、EN标准工作文件;生产收藏中47,996个索引点）。这就是现场测试的发动机。
引擎3 — 检索研究与评估层。 一个单独索引的ColBERT v2晚交互引擎及评估工具：RAGAS指标、黄金测试集、LLM作为裁判协议以及版本化的A/B比较（ab_eval_colbert.py, ragas_eval_v1_vs_v2.py, eval_e2e_ab_sonnet.py, bootstrap_gold_v2_sources.py).上下文检索——由Anthropic于2024年发布的块增强模式——在摄取时实现（contextual_retrieval.py).
这种研究方法——黄金集、法官模型、版本化A/B——在二十人机器学习团队中是标准做法。这并不是一个人构建的系统中的标准做法。
十阶段流程是架构，而非营销
RAG2 为每个查询执行一个文档化的十阶段流水线：按角色进行审计驱动配置（五个访问级别，配置优先审计，环境回退和 60 秒缓存）;查询规划产生退步重构、子查询、关键词和HyDE文本;多嵌入六种查询变体，包括意大利语到英语的桥接;带自动无过滤重试的条件文档范围元数据过滤;多重检索，包含互易秩融合合并和表重建（±10个相邻区块，文档范围）;表-意图路由（分类器检测表意图时，表到文本的比例为60/40混合）;重新排序，采用四个可切换后端（交叉编码器、NLI/DeBERTa、Jina v3、确定性）;按角色限制的上下文压缩;评分监测，带有漂移警告，提示重新摄入;以及后处理，用于规范引用并提取表格和图表作为结构化输出。
大多数商业系统会暴露三个阶段：摄取、检索、生成。区别不是表面上的——每一个额外阶段都是一个已处理的故障模式。
Hybrid retrieval: live, governed, collection-aware
Dense+BM25混合检索——2026年发布基准时标注为生产基线的配置，在法律和技术语料库（BEIR/MIRACL）上价值+5–15% nDCG——已在 rag2_service.py：Qdrant中命名的稠密和稀疏向量，RRF预取权重可通过审计面板在运行时配置（默认为0.7稠密/0.3稀疏），审计级杀戮开关（hybrid_search_enabled），以及一个每个集合的能力检查，当集合没有稀疏向量时，该检查会优雅地降为仅稠密。来源评论中提到了BEIR和MIRACL的名字。这不是通过教程发现混合检索的系统。
对抗性测试：机车拒绝伪造的物品
实时测试，超级管理员级别，2026年6月9日。该查询要求“根据ESPR纺织品授权法案第7条回收内容的确切阈值”——这是一个故意捏造的前提：纺织业授权法案尚未最终确定，也不存在这样的门槛。
机车在关键段落中逐字回应： “The indexed corpus does not contain a specific numeric threshold under Article 7 […] cannot be cited from the available sources without risk of fabrication. This is a critical distinction: I will not invent a percentage or article sub-paragraph that is not present in the indexed documents.” 随后，它转向语料库确认的事实——ESPR第5（3）条作为生态设计要求的实际法律依据——并以文件页表的细粒度引用（Answers_Com_Work_Doc_2nd_Mil.pdf | p.413 | § Table 40).
如果被问到同样的问题，通用LLM包装器最有可能产生百分比。统计上合理的阈值正是语言模型在不受约束时生成的。在合规领域，有信心的错误答案不是降级答案——它是一种责任事件。拒绝就是产品。
这种行为与公开记录的基准（在三类对抗性集合上20/20拒绝：不存在的条款、部分真实前提、控制）一致，该基准以方法论发表于 stefanocipri.substack.com （“说我不知道的RAG”，2026年4月），其中其目标失败模式被命名为：按成分制造。
Findings by dimension
DimensionPosition vs 2026 landscapeAnchoring evidenceCitation granularityTop tier (~5%)File + page + section + institutional contribution IDs (e.g. bb6997ac), liveDomain specificity (textile DPP)No known peer (~1%)Proprietary corpus: CIRPASS-2 positions, EN-standard drafts, validator rules SEM006/TXT001–005Anti-hallucination behaviorTop tier (~1–5%)Live fabricated-article refusal; published 20/20 adversarial benchmarkHybrid retrieval implementationAt frontierLive BM25+dense, tunable RRF, audit kill-switch, collection-aware fallbackEvaluation methodologyTop tier (~5%)RAGAS + golden sets + LLM-as-judge + versioned A/B, in-repoMultilingual operationTop tier (~5%)30+ UI languages, language-enforcement rule, IT→EN embedding bridgeGovernance and auditabilityTop tier (~5–15%)Per-role config, audit-first runtime, drift monitoring, score loggingIncremental indexingBelow baselineJina collection populated batch-only; no on-demand ingest at query time
关于该表的方法论诚实性：百分位排名是通过比较检查的架构与2026年已发表系统描述（混合作为基线报告;agentic-RAG胜率在64–76%范围内对企业语料库通用助理的出版物;框架检索准确率比较在85–92%区间）得出的定性估计。它们不是一对一基准测试的结果。仓库内的RAGAS线束使此类运行可执行且可发布;在发布之前，上述表格是专家评估，而非测量。
堆栈尚未具备的
坦率地说，有三个空白。首先是增量索引：Jina 的晚期分块集合由批处理脚本填充，而非按需;新文档等待下一次导入。其次，正式的基准数据作为基础设施存在，但尚未作为公开的产物——最有效的单一措施是将回购内的RAGAS套件对照黄金集运行，并将数据发布在方法论旁边。第三，RAG1仅基于架构进行评估;其检索质量在内部使用之外未被记录。
这些都不是结构性的。这三个都是周，不是季度。
为什么这不仅仅是一家公司
2026年的市场充斥着“AI合规助手”，它们是通用模型的薄薄包裹：每个查询一次嵌入，仅为密集检索，最多只能引用文件名级别的引用，没有角色治理，没有漂移监控，而且——明确表示——在虚构的前提上没有拒绝行为。标准制定者自己也承认这些工具掩盖了验证漏洞。
这里评估的系统颠倒了通常的构造顺序。它并非由机器学习团队开发，获取领域知识;该项目由一位领域专家建造——拥有三十年国际纺织供应链经验，CIRPASS-2（EWG1、EWG3）专家成员，JRC注册利益相关者（B5单元）——负责回收工程采购。语料库知道什么是交易证书，知道它相对于货物的实际到达时间，以及为何ISO纤维成分测试方法无法区分再生纤维和初聚酯。这些知识之所以存在于索引中，是因为构建索引的人花了三十年时间学习。
一个有资金的团队可以在一个季度内复制检索流程。语料库及其编码的判决则无法做到。这种不对称性是可辩护的资产。
Reeco® 是一个基于 UNTP 0.7.0 和 W3C 可验证凭证构建的 DPP 验证平台，配备了专有的每件服装质量平衡引擎（SIAE 存款）。Reeco 不阻碍 DPP 的发行：发动机量化覆盖范围并告知品牌，品牌保留自主决策权——这是设计上的。Stefano Cipriani是Reeco®创始人，CIRPASS-2（EWG1、EWG3）专家成员，JRC注册利益相关者。