混合检索实现

问题背景

纯向量检索在 RAG 里擅长语义相近的段落，但对名称、编码、SKU 这类必须字面一致的内容容易漏召。反过来，只靠 BM25 或倒排索引又难以理解同义改写。混合检索要在同一套召回链路里同时利用 embedding 相似度与关键词匹配，并在融合阶段控制重复与排序。

技能如何帮你落地

本技能围绕「向量 + 关键词」的常见实现模式组织说明，而不是只给概念定义：

• 明确输入与约束：查询类型（是否含专有术语）、索引形态、延迟与召回目标。
• 检索与融合：分别走向量通道与关键词通道，再按业务选择 RRN、加权分数或重排模型合并结果。
• 验证方式：用含术语、含同义改写的对照查询集，对比纯向量与混合方案在召回率、精确匹配上的差异。

详细模式与示例见 resources/implementation-playbook.md，可按 playbook 逐步对照实现与验收。

适用边界

适用于构建或改进 RAG 召回层、需要语义理解与精确匹配并存的场景。若任务与检索架构无关，或依赖本技能范围外的专用引擎与工具链，应选用其他技能或自行扩展方案。