純向量檢索可能對精確型號、錯誤碼和縮寫不敏感;純關鍵字搜尋又容易漏掉語義相近的表達。混合檢索先擴大候選集,再用重排和業務過濾得到最終上下文。
核心概念
關鍵字檢索負責精確命中,向量檢索負責語義召回,過濾器負責租戶與權限。重排模型只能比較已授權候選,不能透過重排結果繞過存取控制。
def reciprocal_rank_fusion(*ranked_lists: list[str], k: int = 60) -> list[str]:
scores: dict[str, float] = {}
for items in ranked_lists:
for rank, item in enumerate(items, start=1):
scores[item] = scores.get(item, 0) + 1 / (k + rank)
return [item for item, _ in sorted(scores.items(), key=lambda pair: pair[1], reverse=True)]
assert reciprocal_rank_fusion(['a', 'b'], ['b', 'c'])[0] in {'a', 'b'}
操作步驟
- 分別實作關鍵字與向量召回,並為每個候選附加文件權限標籤。
- 合併候選後,再套用租戶、角色和文件狀態過濾。
- 對剩餘候選進行重排或規則評分,保留來源和分數以便除錯。
- 分別使用精確、模糊和跨語言問題集評測。
適用情境
適合產品搜尋、技術支援和多語言知識庫。
常見問題
重排能修復權限問題嗎? 不能,權限過濾必須在重排之前完成。
融合權重如何決定? 先用固定規則建立基線,再用標註資料調整,不要由單次示例決定。
結果不足怎麼辦? 明確回傳缺少依據,而不是讓模型補寫不存在的事實。
官方參考
OpenAI Retrieval;Qdrant Filtering。
最後核對日期:2026-11-16。檢索行為請以連結的官方資料為準。
