混合检索与 RRF

为什么需要混合检索

纯向量检索擅长语义，但有时需要：

• 精确匹配（SKU、法规编号）
• 关键词命中与向量结果融合

Qdrant 支持 稠密向量 + 稀疏向量 或 多路召回再融合 等能力（随版本演进，以官方文档为准）。

RRF（Reciprocal Rank Fusion）

一种无需训练的融合方式：对多路检索结果按排名给分，再合并排序。思路简述：

1. 路 A（向量）得到排名列表；路 B（如 BM25）得到另一排名列表。
2. 对每个文档按 RRF 公式累加分数（与名次的倒数相关）。
3. 按总分排序得到最终列表。

具体 API 是否在服务端一键完成、或需在应用层合并，取决于当前 Qdrant 版本与客户端；实现 RAG 时可在 应用层 用向量 top_k + 关键词 top_k 做 RRF，逻辑清晰。

实践建议（新手）

1. 先把单向量 + filter 做稳。
2. 有明确关键词需求时，再加 全文索引 或外接搜索引擎，最后在应用层 去重 + RRF。
3. 查阅官方 Hybrid Search 章节获取最新一键方案。

小结

混合检索是 RAG 进阶话题；本书 简易 RAG 一章以单向量检索为主，可在此基础上扩展。