BM25、向量检索与混合检索怎样配合？

返回 RAG 与记忆 目录

标准回答

BM25 根据词项匹配及统计打分，向量检索比较语义表示；混合检索合并两类候选。常见的 RRF 按排名融合，避免直接相加不同尺度的原始分数。

关键机制

• 产品编号、错误码、专有名词常依赖词法匹配；表达不同但含义相近的问题，向量检索更容易找到关联。
• 对各路结果先做合适的权限与元数据约束，再去重融合，必要时交给 Rerank 进一步排序。
• RRF 重视各检索器中的名次，不会自动让错误文档变正确；候选数量、融合策略与重排都要用样本验证。

通俗例子

用户说“设备连不上网”，向量召回“入网失败”；用户输入“E1703”，BM25 可准确匹配错误码。结合两者比只依赖一种信号更有机会覆盖两类问题。

易混淆点

混合检索不是把所有结果无上限塞给模型。相似度高也不等于型号、时间和权限正确。

参考资料

• 官方参考

内容来源

• Android 技术札记 · 原条目 hybrid-search