5.5 混合检索与高级 RAG

5.5.1 混合检索

混合检索（Hybrid Search）结合多种检索方法的优势，是当前 RAG 实践的标准配置。

语义检索 vs 关键词检索

特性	语义检索	关键词检索
优势	理解语义、处理同义词	精确匹配、高速
劣势	可能忽略关键词	无法处理语义
典型场景	开放式问题	专有名词、代码

混合检索实现

分数融合策略：

简单加权

融合分数 = α × 语义分数 + (1-α) × 关键词分数

倒数排名融合（RRF）

RRF(d) = Σ 1/(k + rank_i(d))

RRF 不依赖原始分数，只使用排名，更加鲁棒。

5.5.2 高级 RAG 技术

查询转换

在检索前对查询进行增强：

查询扩展

扩大查询覆盖范围：

• 同义词扩展

• 相关术语添加

• 多语言翻译

查询分解

将复杂查询拆分：

原始查询：比较 A 产品和 B 产品在性能和价格方面的差异
分解为：
- A 产品的性能
- B 产品的性能
- A 产品的价格
- B 产品的价格

假设文档生成（HyDE）

生成假设的答案，用其嵌入进行检索：

1. 让 LLM 生成假设答案

2. 将假设答案转换为嵌入

3. 用假设答案的嵌入检索

多跳检索

对于需要多步推理的问题，迭代检索：

应用场景：

• 需要背景知识支持的问题

• 涉及多个实体关系的问题

自适应检索

根据查询特点动态调整策略：

路由机制

根据查询类型选择不同检索路径：

• 事实查询 → 精确检索

• 概念查询 → 语义检索

• 对比查询 → 多路检索

无需检索的识别

并非所有查询都需要检索：

• 常识问题：模型本身知识足够

• 创意任务：不需要外部事实

上下文增强

丰富检索结果的上下文：

父子块策略

• 使用小块检索：precision

• 返回大块内容：context

小块（检索用）: 200 tokens
大块（返回用）: 1000 tokens

滑动窗口扩展

检索到某块后，自动包含相邻块。

元数据增强

将来源、章节等元数据附加到结果中。

5.5.3 RAG 评估框架

组件级评估

分别评估 RAG 各组件：

组件	评估指标
检索	Recall、MRR、NDCG
生成	准确性、完整性、一致性
端到端	用户满意度、任务成功率

常用评估工具

• RAGAS：自动化 RAG 评估框架

• TruLens：RAG 质量监控

• 人工评估：复杂场景仍需人工判断

5.5.4 RAG 调优策略

问题诊断

常见问题及对策：

• 检索不到相关内容 → 优化分块/嵌入

• 检索质量低 → 添加重排序

• 生成答案错误 → 优化提示词，加入约束

迭代优化

1. 收集失败案例

2. 分析失败原因

3. 针对性优化

4. 验证效果

5. 持续监控