请解释多查询扩展（Multi-Query Expansion）的概念及其价值，并阐述在 Spring AI 框架下实现它的具体步骤或方法。

回答思路

1. 【回答框架 1】多查询扩展是一种信息检索优化技术，核心思想是将用户原始查询通过大语言模型生成多个语义相近但表达不同的变体查询，从而更全面地覆盖用户意图，提高召回率。
2. 【回答框架 2】其作用主要体现在：能缓解用户查询表述不完整或模糊的问题，通过多个查询角度获取更相关结果；在 RAG 系统中能提升检索阶段召回的文档质量，为后续生成提供更充分的上下文。
3. 【回答框架 3】在 Spring AI 中实现多查询扩展，通常先构建一个调用 LLM 的组件，使用 Prompt 模板向模型提供原始查询并指定生成 N 个扩展查询；随后对这些查询进行解析，一般要求模型以 JSON 数组或指定格式输出以便程序处理。
4. 【回答框架 4】得到扩展查询集合后，可并行或串行调用向量数据库进行相似度检索，对每个查询执行检索并合并结果，需进行去重或按相关性重排。Spring AI 提供了统一的 API 抽象，可结合 ChatClient 或 ChatModel 实现 LLM 调用，同时利用 VectorStore 接口对接不同向量数据库。
5. 【回答框架 5】最后将合并后的文档作为上下文提交给生成环节。实现中还需注意控制扩展查询数量、设置合理的提示词，以及处理模型输出异常情况。
6. 【关键点 1】多查询扩展通过生成多个查询变体提高检索召回率。
7. 【关键点 2】Spring AI 中可通过 Prompt 模板和 ChatModel 实现扩展查询的生成。
8. 【关键点 3】扩展后的查询需要合并去重并重新排序以保证结果质量。
9. 【易错点 1】不控制扩展查询数量可能导致延迟和成本显著增加。
10. 【易错点 2】模型输出格式不稳定时需要健壮的解析和容错。
11. 【易错点 3】合并结果时不做去重或排序可能引入噪声上下文。