首页/AI/RAG 与向量库速查/混合检索(向量 + BM25)
Embedding 与检索50 条

混合检索(向量 + BM25)

混合检索同时跑向量与关键词两路召回再合并:语义问题靠向量、专名与精确匹配靠 BM25,覆盖单路召回失效的场景。

RAG 与向量库速查AI更新于 2026-10-12

两路召回骨架

两路召回骨架
def hybrid_search(q, k=20):
    dense_hits = vector_store.search(embed(q), top_k=k)
    sparse_hits = bm25_index.search(q, top_k=k)
    return fuse(dense_hits, sparse_hits)   # 见 RRF / 加权融合

融合方式

融合方式特点
RRF(排名融合)只用排名不用分数,免调权重,跨系统稳定
加权分数融合先归一化两路分数,权重可调,要防失衡
上线前给混合与单路各建评测基线,确认混合带来实际收益再保留复杂度。

易错点

  • 两路各取 top-k 直接拼接不融合排序,上下文被单路结果挤占
  • 关键词路分析器未调好,混合后整体效果反而下降

数据来源与参考

  • Elasticsearch 官方文档(Hybrid search)
  • Gao et al., RAG for LLMs: A Survey(混合检索)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌