关键词、向量与混合检索

同一个意思可以有不同说法

手册写工具归还，用户却问剪刀用完放哪里。只寻找完全相同的词，可能漏掉正确段落；但如果用户问编号纸艺七的材料包，精确编号又非常重要。检索的任务是从许多片段中找到值得核对的候选，而不是直接证明答案。星桥手作社同时保留规则名称、工具名称和活动编号，我们需要根据问题特点使用不同的查找信号。先理解这些信号，比背诵搜索算法名称更有用。

两种查找方式各擅长什么

关键词检索关注词语出现和匹配情况，适合编号、专用名称、明确短语等线索。向量检索先把问题和片段转换为数值表示，再比较表示之间的相近程度，往往能找出措辞不同但意思相似的内容。这里向量是方便比较的数值表示，不是把真实世界知识压成绝对正确的坐标。语义相近的两段可能讨论不同活动，也可能存在否定和条件差异，所以相似分数不能当作事实准确率。

混合检索的完整小例子

问题是纸艺七活动的剪刀归还位置。关键词查找可能把包含纸艺七的材料清单放在前面，向量查找可能优先找到工具归还规则。混合检索将两种方式的候选合并，再结合相关性重新排序。合理结果可能是先呈现工具归还的蓝色盒子规定，再呈现纸艺七确实使用剪刀的清单。不要简单相加不同算法的原始分数，因为它们的数值尺度未必一致；入门练习可以直接比较各自排名，再用人工判断是否支持问题。

重排与数量不是万能开关

重排是对初步候选再做更细的相关性判断，例如检查活动类型是否一致、是否真的回答归还位置。它可以提高排序质量，但不能恢复从未进入候选池的资料。取前若干片段时，数量太少可能漏掉例外，太多又会混入无关资料。若五个候选都来自同一段重复文字，看起来丰富，实际上证据范围很窄。可以先按来源去重，再检查默认规则和例外是否都被覆盖，而不是盲目扩大结果数量。

用反例检验检索策略

准备三类问题：精确编号问题、同义改写问题和容易混淆的活动问题。对每个问题先写正确来源，再记录实际前几个候选。问黏土工具归还位置时，不应因为剪刀归还段落很相近，就把纸艺规则误用到黏土。还要先按访问权限过滤，不能为了排序效果让无权片段进入候选。检索改进应建立在真实错例上：编号漏检可加强关键词，改写漏检可尝试语义查找，活动混淆则可能需要元数据过滤和更完整上下文。