混合检索

核心思想

混合检索不是在关键词搜索和向量搜索之间二选一，而是把多种检索信号组合起来：精确词项匹配、语义相似性、查询扩展，以及最终的模型重排。

为什么需要组合

• BM25 擅长精确术语、专有名词、代码符号
• 向量检索 擅长同义表达、模糊描述、概念相关性
• 查询扩展 能把用户的短问题展开为更完整的检索意图
• 重排 能在小候选集里做更细粒度判断

单一路径通常会偏科：只用 BM25 容易漏掉语义相近材料，只用向量又可能稀释精确命中。

一条典型流水线

以 qmd 为例，一条完整链路通常是：查询扩展 → BM25 与向量并行召回 → RRF 融合 → Top-K 筛选 → LLM 重排 → 最终排序。

其中值得注意的是它的位置感知混合：对于高位结果，保留更多原始检索信号；对于较低位结果，更信任 reranker 的判断。这反映了一种务实取舍：不要让生成式模型轻易推翻已经高度确定的精确命中。

对知识管理的意义

当知识库规模扩大时，混合检索能够提升”找得到真正需要的材料”的概率，但它仍属于访问层，不是知识编译层。因此它适合作为 llm-wiki-pattern 的补充，而非替代。

---

来源：qmd 相关页面：local-first-search · knowledge-management · qmd