混合检索为什么是 RAG 的现实解
做 RAG 文档问答时，我最开始只上了向量检索。第一次内测，用户问"OpenClaw 的 cron 怎么用"，系统返回了一堆时间管理的废话。“cron” 这个专有名词被 embedding 打散了，向量空间里它跟"定时任务"、"调度器"混在一起，精确匹配的文档反而排到了后面。
纯向量检索在专有名词面前是瞎的。
向量检索擅长什么，不擅长什么
向量检索的强项是语义泛化。用户问"怎么让程序定时执行"，文档写的是"周期性任务调度"，向量空间能把这两句话拉近，召回正确段落。关键词搜索做不到，换个说法就找不到了。
但向量检索有两个硬伤：
专有名词失真。“kubectl”、“@Transactional”、“fibonacci”，tokenizer 会拆成碎片，embedding 模型没见过完整形态，向量空间里的位置基本是随机的。用户精确问这个词，向量检索反而召回一堆无关内容。
低频长尾词消失。文档里只出现过一次的配置项、错误码、函数名，embedding 模型没有足够样本学到语义，向量表示就是噪音。用户问这个词，向量检索直接漏掉。
关键词检索的短板
纯用关键词（全文搜索）也不行。
关键词检索是字面匹配 + TF-IDF 排序，专有名词、错误码能精确命中，但遇到同义表达就完全失效。用户问"怎么让容器重启"，文档写的是"pod 自动恢复"，关键词搜索两眼一抹黑。
用户的问法和文档的写法永远有 gap。技术文档喜欢用术语（“持久化”、“序列化”），用户喜欢说大白话（“保存到硬盘”、“变成字符串”）。纯关键词检索过不了这道 gap。
现实解：FTS + 向量一起上
两种检索各有盲区，那就混着用。docqa 项目最后的方案：
// 向量检索：召回语义相关的 top 20vectorResults := vectorSearch(query, topK=20)// 关键词检索（Bleve FTS）：召回字面匹配的 top 20ftsResults := bleveSearch(query, topK=20)// RRF 融合：把两边的排序归一化后加权合并finalResults := rrfMerge(vectorResults, ftsResults, k=60)RRF（Reciprocal Rank Fusion）公式：
score = 1/(k + rank_vector) + 1/(k + rank_fts)结果在两边的排名越靠前，最终分数越高。k=60是经验值，平滑排名差异，避免某一边排名波动主导最终结果。
效果
上线后再测"OpenClaw 的 cron 怎么用"：
- 向量检索召回"定时任务"、"调度器"相关段落（语义泛化）
- FTS 召回精确包含"cron"的段落（字面匹配）
- RRF 融合后，包含"cron"的那段排到第一位，因为它同时在两边都有较高排名
用户问"怎么让任务每天跑一次"（没提 cron）：
- 向量检索召回 cron、定时任务相关段落
- FTS 召回"每天"、"任务"的段落（虽然不精确）
- 融合后依然能把 cron 文档排上来
专有名词有保障，同义表达也能覆盖。单用任何一种检索都做不到。
为什么不用纯向量 + rerank
有人会说：直接向量检索 recall top 100，再上个 rerank 模型不就行了？
理论上可以，但：
Rerank 模型也不认专有名词。它本质还是语义模型，"kubectl"这种词它也没学好。向量检索没召回的东西，rerank 救不回来。
成本高。Rerank 要对每个候选段落跑一次模型推理，top 100 就是 100 次。混合检索在召回阶段就解决了问题。
Rerank 适合做最后的精排（top 20 → top 5），不是用来补救召回阶段的缺陷。
我的判断
混合检索是 RAG 在生产环境的现实选择。向量检索负责语义泛化，覆盖同义表达；关键词检索负责精确匹配，保住专有名词和低频词；RRF 融合两边结果，让排序更稳健。
如果你的 RAG 系统只用了向量检索，加上全文搜索试试。改动不大，召回质量能上一个台阶。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～