逐日AI微信小程序
30 天从前端工程师到 Agent 工程师
第 4 周 · D24🔒 锁定约 6 小时

RAG 进阶:hybrid search、rerank、引用、recall 评估

把 D12 的记忆检索升级成 hybrid search + rerank 的组合,加上引用来源,并用 recall 指标评估检索效果。

今日目标 0/3

登录后可以勾选并保存进度。

今日目标

  1. 能实现关键词检索和向量检索结合的 hybrid search
  2. 能给检索结果接入一个 rerank 步骤,提升排序质量
  3. 能设计一套 recall 评估方法,衡量检索是否召回了应该召回的内容

昨天把「接一个能力」变便宜了,于是你会很自然地接进来一堆知识库和检索服务。今天回头修上游——因为接得再多,也救不回一个召回率本身就低的检索。读完回到页面顶部把三条目标勾掉。

小白版讲解

招聘那两轮筛选,恰好就是检索的两轮

一家公司要招一个人,收到八百份简历。HR 不会逐份细读——那要花两周。真实流程是两轮:

第一轮量大且宽,同时开两条渠道。一条是关键词粗筛:在系统里搜「Kubernetes」,命中的进池子。它很准,但有个致命毛病——候选人如果把它写成「K8s」,就整份漏掉了。另一条是猎头推荐:他见过这个人,觉得「感觉像」,说不出具体命中了哪个词。他懂同义、懂上下文,但你让他找「用过 SF-3000 这个型号的人」,他会给你一堆做过类似型号的人,唯独漏掉那个真正写了 SF-3000 的。

两条渠道各有各的盲区,而且盲区不重叠——所以把两边的人合到一起进第二轮。第二轮是技术面试官逐份细看,一份看二十分钟。准,但贵,所以只能对少量候选人做。

检索是一模一样的两轮。关键词检索(BM25 那一路)就是 HR 的搜索框:字面命中,对型号、错误码、订单号极准,对同义词完全无能。向量检索就是猎头:它把文本压成一串数字,比的是语义距离,懂「运费」和「邮费」是一回事,但对 E4032 这种没有语义的字符串,它只能给你一堆「看起来像编号」的东西。重排(rerank)就是那位技术面试官:拿到几十个候选,一条一条和问题细对,重新排个序。

这个类比最值钱的一点在最后:召回率(recall)就是「真正合适的人有没有进到第一轮」。 第一轮漏掉的人,第二轮再厉害也救不回来——面试官只能在给到他的名单里排序,不能凭空变出一个没进池子的人。

所以整条链路的形状是固定的:上游要宽,下游才收紧。 两路各取 20 条,融合,重排之后只留 5 条进上下文。

登录并关联后阅读全文

请先登录网页,并在账户页关联微信小程序账号。关联后每天可免费阅读 1 篇;额外文章需在小程序看广告解锁。

小程序码

微信扫码打开「逐日AI」,进入相同课程和章节,选择看广告解锁,完成后刷新本页。

面试题库

  • 为什么单纯的向量检索不够,还要加一路关键词检索?Why isn't pure vector search enough — what does keyword search add?
    国内高频海外高频基础#rag#hybrid-search#retrieval

    🔒 解锁本章后查看答题要点。

  • 两路检索结果怎么合并?为什么不能直接加权求和?How do you merge two retrieval rankings, and why not just take a weighted sum of the scores?
    国内高频海外高频进阶#rag#rrf#ranking

    🔒 解锁本章后查看答题要点。

  • 重排(rerank)一般怎么实现?它解决了初步检索的什么问题,代价是什么?How is reranking usually implemented, what problem does it solve, and what does it cost?
    国内高频海外高频进阶#rag#rerank#latency

    🔒 解锁本章后查看答题要点。

  • 怎么评估一个 RAG 系统的检索效果?评估集应该怎么构造?How do you evaluate retrieval quality in a RAG system, and how should the evaluation set be built?
    国内高频海外高频深入#rag#evaluation#recall

    🔒 解锁本章后查看答题要点。

评论