> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/context_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/context_engineering_guide/di-er-bu-fen-he-xin-ji-shu-yu-ce-le/05_select/5.5_hybrid_search.md).

# 5.5 混合检索与高级检索增强生成

## 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](/context_engineering_guide/di-er-bu-fen-he-xin-ji-shu-yu-ce-le/05_select/5.1_rag_principles.md) 实践的标准配置。

### 语义检索与关键词检索对比

| 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

```mermaid
graph TB
    A["查询"] --> B["语义检索"]
    A --> C["关键词检索"]
    B --> D["结果融合"]
    C --> D
    D --> E["重排序"]
    E --> F["最终结果"]
```

图 5-8：混合检索流程

**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 高级检索增强生成技术

### 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：

```mermaid
graph LR
    A["初始查询"] --> B["第一跳检索"]
    B --> C["提取关键信息"]
    C --> D["生成新查询"]
    D --> E["第二跳检索"]
    E --> F["综合结果"]
```

图 5-9：多跳检索流程

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）: 约 200 Token
大块（返回用）: 约 1000 Token
```

**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 检索增强生成评估框架

### 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 检索增强生成调优策略

**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