← 返回學習路線
章節 · 已發布

混合檢索與重排:提升候選相關性

組合關鍵字、向量和過濾條件,把候選相關性與權限邊界分開處理。

來源: knowledge/p24-b/collection_6e8fbe1e8b1ea569a539e8a5/tutorials/rag-hybrid-search-and-reranking.mdRAG 知識庫工程
本章閱讀進度 0%學習路線進度 0% · 0/10 已完成章節繼續學習路線 →

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

  1. 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。
  2. 合併候選後,再套用租戶、角色和文件狀態過濾。
  3. 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。
  4. 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。

相關實戰案例

知識實戰:用固定問題集回放 RAG 檢索回歸

相關原始碼資源

原始碼Qdrant

延伸閱讀

知識RAG 企業知識庫:架構與落地實踐知識AI 自動化工作流程設計與實踐知識結構化輸出與工具契約:讓 Agent 動作可驗證
產品中心 Demo · V0.3