用途：用于多概念检索场景。当查询跨越多个主题、需要多跳推理，或单次检索会漏掉相关文档时，把复杂查询拆成独立概念，分别检索再融合，以覆盖全部主题。
主要能力：先用启发式规则（检测 vs、versus、compared to、difference between、affect 等，<1ms）判断是否为多概念查询；若是，用 LLM 抽取 2-4 个可独立检索的概念，再并行检索每个概念，最后用倒数排名融合（RRF）合并结果，也支持与 HyDE 组合做词汇桥接。
必要用法：先调用 is_multi_concept_heuristic 做快速排查，单概念直接走原检索；多概念时调用 decompose_query 得到概念列表，再 asyncio.gather 并行检索并 reciprocal_rank_fusion 融合。示例中 LLM 使用 gpt-5.2-mini，输出 JSON 概念数组，概念数上限 5、实际建议 2-4。
适用场景："X vs Y"、"X 如何影响 Y"、"X 和 Y 在 Z 中"、"X、Y、Z 的区别"等多概念问题；"What is X"、"Best practices for X"等单概念查询不需要分解。
限制：资料未提供安装命令、许可、价格与平台支持信息；概念过多会增加延迟，建议加缓存与超时回退到原始查询；融合算法为 RRF（k=60），需检索函数返回含 id 的文档列表。相关技能包括 rag-retrieval、hyde-retrieval、reranking-patterns、embeddings。