混合检索（Hybrid Search）

纯语义检索在某些场景下会犯低级错误——比如用户搜自己的订单号"ORD-20240624-8891"，语义检索可能返回"订单查询帮助文档"而非这个具体订单的信息。关键词检索恰好能处理好这种精确匹配。混合检索让两者互补。几乎所有生产级 RAG 系统最终都会走到混合检索。单独用语义或关键词检索在综合场景下总有一类问题处理不好。

混合检索的融合策略：分数归一化+加权求和——分别得到关键词分数和语义分数，归一化到同一尺度，按权重加起来得到最终排名。权重是需要调的超参数——技术文档搜索可以关键词权重高一些（70:30），对话式搜索语义权重高一些（30:70）。更高级的方案是使用 Learn-to-Rank（用标注数据训练一个模型来学习最佳融合权重）。

在图书馆找书：先用电脑搜索精确书名，再去书架浏览相关主题。

你记得一本书叫《深入浅出统计学》，去图书馆找它。方案A（纯关键词）：在电脑上搜"深入浅出统计学"→精确找到这本书，索书号 C8/077。方案B（纯语义）：你走到统计学的书架区，浏览每一本书的书脊——你可能找到《统计学导论》《概率论与数理统计》等相关的书，但你可能找不到那本精确的《深入浅出统计学》——因为它在"C语言"书架旁边（分类编错了）。

方案C（混合检索）：先用电脑精确搜书名找到索书号，直达目标书架；同时用语义浏览找到同一片区的所有统计学书籍。两个结果合并，你既拿到了精确匹配的目标书，又发现了可能相关的《统计学入门》。这就是混合检索——两个方案各取所长，覆盖对方的盲区。