跳到主要内容

K3.2 混合检索：两路一起上，各补盲区

最朴素、也最有效的主意​

上一节的结论是：关键词擅长精确匹配，语义擅长理解意思，两者各有各的盲区。

那最朴素的主意就是——两个一起用，取长补短。用户查「东西想退掉」，语义那路命中；用户查「X9-2000」，关键词那路命中；用户的问题横跨两者，就靠两路合力。这就是 2026 年生产 RAG 的标配：混合检索。

它做的事很直白：同一个查询，关键词检索跑一遍、语义检索跑一遍，各出一个排名，再把两个排名融合成最终的一个。

融合的拦路虎：两把尺子刻度不同​

「把两个排名合起来」听着简单，真做却有个拦路虎。

关键词那路给的是 BM25 分（可能是 12.7、8.3 这种数），语义那路给的是相似度（0 到 1 之间的小数）。这两把尺子刻度完全不同，没法直接相加——就像一个按「分数」算、一个按「百分比」算，硬加起来毫无意义。你也不能简单归一化，因为两路的分数分布形状差很远，归一化后还是会一头重一头轻。

RRF：干脆不看分数，只看名次​

RRF（Reciprocal Rank Fusion，倒数排名融合）用一个绝妙的偷懒办法绕开了这道坎：

别看分数了，只看名次。 每条结果在各路排行榜里排第几名，名次越靠前，给的分越多（第 1 名给最多，往后递减）。把它在两个榜里的「名次分」加起来，重新排序。

为什么这招高明？因为名次是通用货币——不管你原来的分是 BM25 的 12.7 还是相似度的 0.83，「排第 1」就是排第 1。这样两把不同刻度的尺子，就都被翻译成了同一种语言（排名），可以直接相加了。RRF 简单到几行代码就能写完，效果却出奇地好，是工业界的默认选择（公式见深入层）。

上手：看混合怎么兜住单路会漏的那一半​

前两个查询你已经见过——语义的主场、关键词的主场。现在看第三个，真正体现混合价值的：

🎮 动手实验
三路检索擂台：关键词 vs 向量 vs 混合
同一个查询，三条检索通道并排跑。绿框 = 这条查询「真正该命中」的资料。看哪一路捞得全、哪一路会漏。（基于中篇共享知识库，命中为真实计算）
🧑‍💻 东西收到不满意，想退掉（该命中：退货政策、换货流程）
💡 要点：没有一路检索是全能的。关键词擅长精确匹配（型号、专名、术语），但换个说法就抓瞎；语义擅长「懂意思」，却对精确词不敏感、还会被强势话题带偏。所以生产 RAG 几乎都用混合检索：两路一起上、各补盲区，再用 RRF 把两个排名融合（RRF 只看名次、不看分数，绕开了「两路分数没法直接比」的难题）。混合不是更花哨，是更少漏。

实验：跨话题的查询。 选查询「生鲜的运费和退货政策」，点「三路开跑」。这条查询横跨两个话题：运费 + 退货。看仔细每一路——

  • 语义检索被「配送」那一带吸住了：它把运费相关的段落排在前面，却把「退货政策」挤到了边缘，还混进了无关的「配送时效」。它只顾住了一半。
  • 关键词检索靠「生鲜」「退货」这些精确词，兜住了退货那一半。
  • 只有混合检索同时抓住了运费和退货——两个都命中（✅ 全部命中）。

这就是混合的全部价值：一路会漏的，另一路补上。 单路检索总有它照不到的角落，混合把两路的视野叠起来，漏得最少。

2026 的生产共识​

到 2026 年，业界对 RAG 检索这一步的共识已经相当统一：纯语义不够，纯关键词也不够，「混合检索 + 重排」是标配。 混合检索负责「别漏」（尽量把相关的都捞回来），重排负责「排对」（把最相关的顶到最前）——重排就是下一章 K4 的主题。

混合检索也不是银弹

两点提醒。其一，混合不是无脑叠加：两路的相对权重、RRF 的常数、各召回多少条，都是要拿真实查询调的参数（回扣 K2 的「评测驱动调参」，也预告 K6）。其二，也是最根本的——混合检索救不了「知识库里根本没有答案」。它只能在已有的资料里尽量捞全；库里缺了、写错了，两路一起上也变不出正确答案（回扣 K0：查不到照样答不好）。检索技术再花哨，也盖不过知识库本身的质量。

小结​

本节要点
  • 混合检索 = 关键词 + 语义两路一起跑，各补盲区，再融合——2026 年生产 RAG 的标配。
  • 融合的难题：两路分数刻度不同、没法直接加。RRF 的解法是只看名次不看分数，把不可比的分数翻译成通用的排名。
  • 混合的价值在「少漏」：跨话题、单路会漏一半的查询，两路合力才能都命中。
  • 它救不了「库里没答案」，两路权重也要调——检索技术盖不过知识库本身的质量。
📝 动手自测0/3
1. 「混合检索」具体指的是什么？
2. RRF（倒数排名融合）为什么「只看名次、不看分数」？
3. 在「生鲜的运费和退货政策」这个跨话题查询上，为什么只有混合检索两个话题都命中？

延伸阅读​