ai
ai/rag/hybrid-retrieval.md
medium
ai-rag-hybrid-retrieval
RAG 混合检索规约 — 向量+BM25 用 RRF 融合，再用 cross-encoder/ColBERT 重排并强制 top-k 限制。Use when 设计 RAG 检索召回 / 加 rerank / 排查召回不准时。
混合检索重排rrf 融合hybrid retrievalbm25cross-encoder rerank
paths
*.java*.py*.md
RAG · 混合检索与重排
本条只管「召回+融合+重排」。chunk 怎么切见
chunking.md；用什么 embedding 见embedding-selection.md；回答约束见anti-hallucination.md。
规则
| 环节 | 推荐 | 规约级别 |
|---|---|---|
| 默认检索 | 向量 + BM25 混合，不要只走纯向量 | 应成规约 |
| 融合 | 两路结果用 RRF（Reciprocal Rank Fusion） 融合 | 应成规约 |
| 重排 | cross-encoder / ColBERT 重排，强制 top-k 限制（神经重排延迟高） | 应成规约 |
| 上下文组装 | 回传 parent chunk + 元数据，控总 token，按相关度裁剪 | 应成规约 |
标准流水线
- 向量召回 top-N（语义相似）。
- BM25 召回 top-N（关键词/精确匹配，补向量漏的术语/专名）。
- RRF 融合两路排名，按融合分取候选集。
- rerank：cross-encoder 对候选集重排，只取 top-k（如 top-5）进上下文。
- 组装：回传 parent chunk + 元数据，控总 token。
混合 + 重排相比纯向量可显著降幻觉（第三方基准 >40%，须自测）。
反例
- ❌ 只用纯向量召回 → 专有名词/编号类查询漏召回，BM25 本可补上。
- ❌ rerank 不限 top-k、把几百条都重排 → 延迟爆炸（神经重排逐对打分很慢）。
- ❌ 召回多少就喂多少给模型 → 上下文超长、噪声多、成本高，应按相关度裁剪。
自检
- [ ] 默认走向量 + BM25 混合，而非纯向量？
- [ ] 两路用 RRF 融合？
- [ ] rerank 强制了 top-k 限制（控延迟）？
- [ ] 上下文回传 parent chunk + 元数据并按相关度裁剪、控总 token？
- [ ] 引用的「降幻觉 >40%」标注为量级参考、需自测？
相关
- 父：
./index.md - 兄弟：
embedding-selection.md（向量来自哪个模型） - 兄弟：
anti-hallucination.md（检索到的上下文怎么约束回答）