RAG 关键词、向量、混合检索与 Rerank 怎么选？做一次同题对照

为 RAG 选检索方法，要看用户实际怎样提问，以及什么证据必须进入回答上下文。含有零件编号的问题需要找对那条记录；用户用口语描述故障时，又可能一个专业术语也没说。混合检索可以集合不同入口找到的候选，Rerank 则只能给已经取到的候选重新排序，无法从整个资料库补找遗漏的段落。

本文从已经确认值得建设 RAG的任务出发。已有的逐问题检索评测用于诊断某个系统究竟返回了什么；这里要在相同任务条件下选方案。先固定文档抽取与切块，否则更换切块方式带来的收益会被误记到搜索算法头上。

把召回、融合与重排拆开

对照路线	适合验证的能力	不会自动解决的问题
A：关键词检索	BM25 可依据可搜索字段中的词项排序。编号必须精确时，应测试独立的原值字段或确定性查询，避免分词器把编号拆开。	问题与文档词汇不同可能漏检；词项命中也不等于整段可以支持结论。
B：稠密向量检索	在所选嵌入模型已经验证的语言和领域中，可找出没有相同用词、但意思接近的描述。	语义近似可能把另一型号、日期或例外条件当成正确证据；近邻搜索不是精确编号校验。
C：混合检索	在同一合格语料上分别运行关键词与向量分支，再融合两份候选排名。Azure AI Search 与 Elasticsearch 都给出了 RRF 的实现。	两条分支都没取到的原文，融合也无法恢复；各分支的取回深度和过滤方式仍然关键。
D：候选后重排	用问题和可读的候选文本再评一次相关性，争取让有用段落进入最终上下文。	重排器只能看输入候选。例如 Azure 的语义重排最多处理初排前 50 条，并会产生使用费用。

四条路线是实验选项，不是必须依次叠加的架构。首轮关键词或向量已经覆盖证据时，可以直接在其候选上试重排。BM25、向量相似度、RRF 和重排分数的范围不同，不能把它们的原始数字当成同一种概率，更不能拿一条通用“置信度阈值”横跨所有路线。

固定资料，按问题类型分组

选定一版经过批准的资料集合，记录文档 ID 与版本、已核对的抽取文本、切块配置、每路查询都应生效的身份权限与生效日期条件。答案阶段可用的段落数量、Token 预算和引用位置也要一致。向量路线和混合路线使用同一个嵌入模型与向量索引。每条路线分别登记分词器、检索字段、编号处理、候选深度、融合规则、重排输入上限和最终返回量。

从目标业务收集一批可复跑的问题，留出未参与调参的保留集。请领域复核者标出支持答案所必需的原文区间；若没有可访问且有效的证据，就明确标为空。题目至少覆盖精确编号或原词、日常语言改述、编号加症状的混合问法、可能混淆的近似记录、无答案问题，以及过滤条件很窄的请求。别名或跨语言检索只有在当前分词和嵌入模型有相应能力时才进入试验。把错用另一设备的关键操作等严重失败列成预设阻断项。评测集设计页可帮助管理后续新增案例。

每条分支都要在传递正文前落实权限。受限片段不能先进入混合候选集或重排请求，寄希望于最终过滤再隐藏。过滤位置也影响召回：Azure 文档指出，在过滤条件很窄或近邻数量很小时，向量检索后的过滤可能漏掉符合条件的文档；预过滤通常能找到符合条件的候选，但可能增加 CPU 和延迟。应实测所用引擎，并把文档权限传递检查接到本次试验。候选因迟来的过滤而消失，改排序权重无济于事。

先看候选，再看进入模型的证据

对每条问题保存 A、B 的有序候选 ID，C 融合后的候选 ID 与排名，D 重排前后的输入和输出 ID。先看所有必需的原文区间是否已经出现在首轮候选中，再看固定上下文预算实际交给生成模型的段落。某路线的宽候选集命中率可能不错，但唯一正确段落排在截断线以下，最终仍无法支持回答。

分别统计每组问题的首轮完整证据覆盖、最终上下文完整证据覆盖、无答案题是否把近似命中错当依据，以及错型号、错版本或越权等阻断性结果。使用有代表性的请求组合测 p50 和 p95 检索耗时，把查询嵌入、两路搜索、融合、重排及网络耗时都计入对应路线。另记每次查询费用、索引存储和更新工作，而不只是最后一次搜索调用。融合权重、候选深度和重排方式定下来后，再看未用于调参的保留题。

最终段落和 Token 预算相同，才好比较哪条路线把证据真正送到下游。首轮候选深度可以因路线而异，但要如实记录，否则扩大候选池带来的收益会看起来像免费提升。如果目标区间根本不在 D 的输入里，先排查召回、入库、抽取、查询处理与过滤；若它已进入候选，却在最终上下文之外，再评估重排或更好的首轮排序是否值得付出额外延迟。

选择通过关卡且足够简单的路线

先把精确编号作为原值处理，运行关键词基线；若它连改述和混合题也能通过关卡，就无需为了架构完整而增设向量。只有保留题证明换词表达能找回关键词漏掉的合格证据，且没有新增严重错配，向量路线才算有收益。两条分支找到互补证据、融合后的最终段落又明显改善任务时，再考虑承担嵌入、双索引和维护责任。重排只有在有用原文已在输入候选中、但被最终上下文预算挤掉时，才有明确的修复对象。

失败也应给出下一项最小试验：相似编号撞车，检查原值字段或权威数据库查询；日常语言漏检，检查词汇覆盖、查询处理或嵌入模型；单一分支已有正确内容，融合后却丢掉，检查分支深度与排名融合。无答案题出现看似相关的命中，应另设证据充分性规则；相似度不是断言的许可。确定路线后，还要用引用与时效性检查验证生成的结论。

案例：控制器告警码与口语症状

设想一套虚构的屋顶灌溉控制器维修资料。HX-217 型号的一则通报讨论“断电重启后阀门才响应”；附近还有 HX-271 的说明，包含不少相同词汇，却规定了另一套复位步骤。复核者先标出 HX-217 有效通报中的必要区间，并将另一型号的操作判为本题不合格。

分别测试纯告警码、“阀门要重启控制器才有反应”的口语问法，以及 HX-217 加症状的混合问法。关键词路线检查编号能否保持精确；向量路线检查是否能找出不同措辞，又不抬高错误型号；混合路线检查两个约束是否都保留。把实际命中的分支 ID 和最终段落填进工作表。未在真实语料、权限和保留题上运行前，不预设赢家。

案例：埋在候选里的设施指南

另一个虚构场景中，校园服务台收到“排风扇开了以后，洗手间下水道一阵一阵咕噜响”。获批的指南使用的却是“压差变化时通气阀振荡”这一术语；一般的管道维护说明也可能看起来相关。复核者把指南中的具体检查段落标为必需证据，把泛泛的除味提示标为不足以回答。

本题要分开问：哪条首轮路线让正确段落进入重排器真实可见的候选范围？若进入了，重排是否把它推入固定的最终上下文，同时没有挤走另一条必需条件？如果首轮完全漏掉，重排就没有修复机会，应先调整召回或资料表达。再加一道资料库未覆盖的维修化学品问题，检查普通近似片段不会被误当成推荐依据。所有排名、通过与否都留到实际试验后填写。

填写检索策略对照表

下方工作台用于保存语料快照、问题切片、四条路线配置、首轮与最终证据、耗时、费用和决策。草稿保存在当前浏览器，可复制或导出；请只填写脱敏编号与实测结果。运行前先写好阻断项与性能门槛；当文档结构、分词器、嵌入模型、访问策略或提问分布变化时，重新打开这项选择。

不适用边界

这项试验适用于已经需要按请求选择外部证据的资料集合。用户明确指定一份简短、获准的文档时，直接提供该文档可能更简单；结构化编号应优先考虑权威数据库的确定性查询。检索策略不能证明资料本身正确，不能替代权限控制或索引更新，也不能证明模型最后忠实使用了证据。没有针对任务的实测数据，就不存在普遍最优路线。