混合检索怎么做：向量 + 关键词 + 重排的三段式

纯向量检索有个尴尬：用户搜”ERR_4021”，它给你返回一堆”看起来语义相近”的报错，却漏掉那篇精确提到这个错误码的文档。语义相似和精确匹配是两种能力，混合检索就是把它们合起来用。

一、两种检索，各有盲区

• 向量检索（语义）：擅长找意思相近的内容，但对专有名词、代码、编号不精确。
• 关键词检索（BM25 等）：精确匹配词面，但不懂同义、近义和语序。

一个漏语义，一个漏字面。单用哪个都会翻车。

二、混合检索的三段式

第一段：双路召回

同一查询同时跑两条路：

1. 向量召回 Top-N（管语义）。
2. 关键词召回 Top-N（管精确）。

两路各自捞一批候选，宁可多捞，别漏。

第二段：融合

把两路结果合并排序。常用做法：

• 加权分数融合：给两路打分加权求和，权重可调。
• 倒数排名融合（RRF）：只看排名不看绝对分数，简单稳健，实践中很常用。

融合后得到一份”兼顾语义与字面”的候选集。

第三段：重排（Rerank）

用重排模型对候选集逐条重新打分。它比向量检索更”聪明”，能同时看查询和文档的细粒度交互，把真正相关的顶上来。

召回广、重排精——这是混合检索的核心口诀。

三、为什么重排这么关键

向量检索为了速度用了近似算法，牺牲了精度。重排模型慢但准，只对几十条候选打分，代价可控。加一层重排，往往能让 Top-3 命中率明显提升，是性价比最高的优化之一。

四、参数调优清单

• 两路各召回多少条（太少漏、太多慢）。
• 融合方式选 RRF 还是加权，权重多少。
• 重排保留前几条进上下文。
• 关键词检索做不做分词、大小写归一、同义扩展。
• 专有名词是否加自定义词典。

五、常见坑

1. 只做向量：漏精确匹配，查编号、代码、人名时崩。
2. 不加重排：候选里明明有对的结果，却排在了后面。
3. 重排候选太多：延迟飙升，收益递减。
4. 不做归一：两路分数尺度不同，直接相加会失真，RRF 可规避。

六、什么时候用

• 知识库里有大量专有名词、编号、代码。
• 用户查询既有”意思”需求也有”精确”需求。
• 对召回质量要求高，能接受一点额外延迟。

混合检索不是”更复杂的 RAG”，而是”更接近真实检索需求”的 RAG。 把语义、字面、精排三段接起来，检索质量会有质的提升。