参考资料

• Elasticsearch：Reciprocal rank fusion
• Elasticsearch：Hybrid search
• Milvus：Reranking

参考资料

• LangChain Retrieval
• Milvus 文档

RAG（18） - 混合检索 RAG：多路召回、RRF 与重排

读完后，你应能完成以下任务：

• 绘制“RAG（24） - 混合检索 RAG：多路召回、RRF 与重排 / 检索漏斗，而不是“多搜一点””的关键对象与数据流，解释“重排层判断候选是否真正回答问题，”，并用源码位置、日志或 Trace 标注证据。
• 为“RAG（24） - 混合检索 RAG：多路召回、RRF 与重排 / 为什么不能直接相加原始分数”设计正常与异常输入，验证“模型 Rerank 又可能输出 logit。”，输出首个偏差位置与回归测试结果。
• 实现“RAG（24） - 混合检索 RAG：多路召回、RRF 与重排 / Rerank 不等于再次向量检索”的最小代码或配置，检验“Bi-Encoder 分别编码问题和文档，适合全库快速召回；”，输出命令、结果与 Diff，并说明不适用边界。

更新日期：2026/08/11

一、先建立全局：混合检索 RAG：多路召回、RRF 与重排 是什么？

理解“混合检索 RAG：多路召回、RRF 与重排”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“混合检索 RAG：多路召回、RRF 与重排”的第一个核心判断是：重排层判断候选是否真正回答问题，。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	检索漏斗，而不是“多搜一点”	重排层判断候选是否真正回答问题，
2	为什么不能直接相加原始分数	模型 Rerank 又可能输出 logit。
3	Rerank 不等于再次向量检索	Bi-Encoder 分别编码问题和文档，适合全库快速召回；
4	动态路由怎么做	指定产品、部门、时间范围：先应用 metadata filter，再召回。
5	评测必须拆层	而不是为了架构图完整而保留。
6	生产排障	融合排名正确，Rerank 排错：查候选是否截断、模型语言能力与训练域。

1.1 核心对象之间怎样衔接

flowchart LR
  S1["检索漏斗，而不是“多搜一点”"] --> S2
  S2["为什么不能直接相加原始分数"] --> S3
  S3["Rerank 不等于再次向量检索"] --> S4
  S4["动态路由怎么做"] --> S5
  S5["评测必须拆层"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“混合检索 RAG：多路召回、RRF 与重排”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“混合检索 RAG：多路召回、RRF 与重排”的对象和顺序已经明确后，再看可观察的失败：解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、检索漏斗，而不是“多搜一点”

生产链路通常是：

问题分类 → 并行召回 → 权限内去重 → 排名融合 → Rerank → Context Packing → 生成

各层职责不同：召回层宁可多找一些候选， 融合层解决多路分数不可比， 重排层判断候选是否真正回答问题， Context Packing 再控制最终证据的覆盖面和 Token 数。

常见召回路由：

路由	擅长	典型失效
BM25	错误码、型号、专有名词、精确短语	同义改写、口语问题
Dense Vector	语义相似、自然语言改写	稀有编号、实体边界
标题/标签	文档导航、产品或模块过滤	正文细节
Sparse Vector	学习得到的词项扩展	模型和索引维护成本
图谱/关系	多跳实体关系	非结构化事实覆盖不足

三、为什么不能直接相加原始分数

BM25 分数没有固定上限， 余弦相似度通常落在较小区间， 模型 Rerank 又可能输出 logit。 直接执行 0.5 * bm25 + 0.5 * cosine， 权重含义会随索引、查询和模型变化。

RRF 只使用名次：

score(d) = Σ 1 / (k + rank_i(d))

它不要求不同召回路的分数同尺度。 Elastic 官方默认 rank_constant 为 60； 这个值是稳健起点，不是业务真理。 rank_window_size 越大，低排名候选越可能参与融合，同时增加延迟。

四、RRF 的可执行实现

五、Rerank 不等于再次向量检索

Bi-Encoder 分别编码问题和文档，适合全库快速召回； Cross-Encoder 同时读取“问题 + 候选”， 能建模更细的词间交互， 但每个候选都要推理， 适合对几十条结果精排。

推荐起点：每路召回 30～100 条， 融合后去重为 50～150 条， Rerank 后保留 5～15 条。 具体数值必须由数据量、P95 延迟和 Recall@K 决定。

六、动态路由怎么做

不要每个问题都机械地跑完所有检索器。可先用低成本规则或分类器判断：

• 命中错误码、版本号、引号短语：提高 BM25 和精确字段优先级。
• 口语化“怎么处理”“为什么”问题：保留 Dense Vector。
• 指定产品、部门、时间范围：先应用 metadata filter，再召回。
• 问题包含多个实体关系：增加图谱或 SQL 路由。

路由失败时应有保底：至少执行 BM25 + Dense 两路，并在 trace 记录选择理由。

七、评测必须拆层

层级	指标	回答的问题
单路召回	Recall@K、MRR	该路能否找到正确证据
融合	Recall@K、候选去重率、路由贡献率	多路是否真有互补
Rerank	nDCG@K、MRR	正确证据是否被排到前面
生成	忠实度、引用准确率、拒答准确率	模型是否只基于证据回答
系统	P50/P95 延迟、Token、单问成本	上线是否可承受

做消融实验：依次关闭某一路， 若 Recall@K 不降、延迟却明显下降， 就应删除这一路， 而不是为了架构图完整而保留。

八、生产排障

• 正确证据各路都没找到：查切分、索引、Embedding 和查询改写。
• 单路能找到，融合后掉出 Top K：查 rank_window_size、去重主键和路由权重。
• 融合排名正确，Rerank 排错：查候选是否截断、模型语言能力与训练域。
• 证据正确，答案仍错：问题已进入生成层，检查 Context Packing、Prompt 和引用校验。
• 多租户串数据：权限过滤必须下推到每条召回路，不能融合后再过滤。

九、动手验证：先跑通 混合检索 RAG：多路召回、RRF 与重排，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“混合检索 RAG：多路召回、RRF 与重排”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

9.1 基线与候选只允许一个变量不同

验证“混合检索 RAG：多路召回、RRF 与重排”时，先固定标注查询集、原文与 chunk 快照、Embedding 和索引版本、权限身份。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“混合检索 RAG：多路召回、RRF 与重排”时，动作是：依次回放解析、切分、召回、过滤、重排、上下文组装和引用生成。原始结果不能只保留截图或汇总分数，必须同步保存：原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	标注查询集、原文与 chunk 快照、Embedding 和索引版本、权限身份
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace
通过阈值	正确证据可召回可回链，无答案时拒答，权限过滤不泄漏其他主体资料
立即停止	解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论

9.2 执行前先排除不可比较条件

“混合检索 RAG：多路召回、RRF 与重排”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“混合检索 RAG：多路召回、RRF 与重排”的当前环境重复运行。
• 候选只改变一个与“混合检索 RAG：多路召回、RRF 与重排”结论直接相关的条件。
• “混合检索 RAG：多路召回、RRF 与重排”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “混合检索 RAG：多路召回、RRF 与重排”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

9.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“混合检索 RAG：多路召回、RRF 与重排”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	标注查询集、原文与 chunk 快照、Embedding 和索引版本、权限身份
过程可回放	依次回放解析、切分、召回、过滤、重排、上下文组装和引用生成
结果可审计	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace

“混合检索 RAG：多路召回、RRF 与重排”的一次合格基线对照按以下顺序执行：

1. 保存“混合检索 RAG：多路召回、RRF 与重排”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“混合检索 RAG：多路召回、RRF 与重排”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“混合检索 RAG：多路召回、RRF 与重排”：依次回放解析、切分、召回、过滤、重排、上下文组装和引用生成。
4. 为“混合检索 RAG：多路召回、RRF 与重排”保存：原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace。
5. 使用“混合检索 RAG：多路召回、RRF 与重排”预登记条件判断：正确证据可召回可回链，无答案时拒答，权限过滤不泄漏其他主体资料。
6. 如果“混合检索 RAG：多路召回、RRF 与重排”未通过，不修改第二个变量，先恢复基线并保留失败现场。

十、用一张矩阵验证 混合检索 RAG：多路召回、RRF 与重排 的关键结论

矩阵按正文顺序列出“混合检索 RAG：多路召回、RRF 与重排”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
检索漏斗，而不是“多搜一点”	重排层判断候选是否真正回答问题，	只改变与“检索漏斗，而不是“多搜一点””相关的条件	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace
为什么不能直接相加原始分数	模型 Rerank 又可能输出 logit。	只改变与“为什么不能直接相加原始分数”相关的条件	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace
Rerank 不等于再次向量检索	Bi-Encoder 分别编码问题和文档，适合全库快速召回；	只改变与“Rerank 不等于再次向量检索”相关的条件	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace
动态路由怎么做	指定产品、部门、时间范围：先应用 metadata filter，再召回。	只改变与“动态路由怎么做”相关的条件	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace
评测必须拆层	而不是为了架构图完整而保留。	只改变与“评测必须拆层”相关的条件	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace
生产排障	融合排名正确，Rerank 排错：查候选是否截断、模型语言能力与训练域。	只改变与“生产排障”相关的条件	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace

10.1 记录本次实际实验

下面的记录用于“混合检索 RAG：多路召回、RRF 与重排”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "混合检索 RAG：多路召回、RRF 与重排"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "依次回放解析、切分、召回、过滤、重排、上下文组装和引用生成"
evidence: "原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace"
pass_when: "正确证据可召回可回链，无答案时拒答，权限过滤不泄漏其他主体资料"
stop_when: "解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

10.2 边界实验必须证明能够停止和恢复

成功路径只能证明“混合检索 RAG：多路召回、RRF 与重排”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	原文位置、各路候选、分数、过滤前后 Diff、Recall@K、NDCG、引用和 Trace	正确证据可召回可回链，无答案时拒答，权限过滤不泄漏其他主体资料
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：在最早丢失正确证据的阶段停止，固定该阶段输入单独修复并重放全链	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“混合检索 RAG：多路召回、RRF 与重排”，第一步是：在最早丢失正确证据的阶段停止，固定该阶段输入单独修复并重放全链。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“混合检索 RAG：多路召回、RRF 与重排”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

十一、混合检索 RAG：多路召回、RRF 与重排 的结果解释

解释“混合检索 RAG：多路召回、RRF 与重排”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论	先执行：在最早丢失正确证据的阶段停止，固定该阶段输入单独修复并重放全链
异常链路无法恢复	解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论	先执行：在最早丢失正确证据的阶段停止，固定该阶段输入单独修复并重放全链
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“混合检索 RAG：多路召回、RRF 与重排”只有同时满足“正确证据可召回可回链，无答案时拒答，权限过滤不泄漏其他主体资料”，并且没有出现“解析丢内容、正确 chunk 未召回、过滤误删、重排掉出或引用不支持结论”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“混合检索 RAG：多路召回、RRF 与重排”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“混合检索 RAG：多路召回、RRF 与重排”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十二、混合检索 RAG：多路召回、RRF 与重排 的发布判断

发布判断需要把“混合检索 RAG：多路召回、RRF 与重排”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “混合检索 RAG：多路召回、RRF 与重排”的基线与候选只存在一个计划内变量。
• “混合检索 RAG：多路召回、RRF 与重排”的输入、代码、依赖、配置和数据版本可以追溯。
• “混合检索 RAG：多路召回、RRF 与重排”的正常、临界、失败和恢复样本使用同一套断言。
• “混合检索 RAG：多路召回、RRF 与重排”的原始输出、中间状态和失败现场已经保留。
• “混合检索 RAG：多路召回、RRF 与重排”的日志、Trace、截图和测试数据已经脱敏。
• “混合检索 RAG：多路召回、RRF 与重排”的停止条件、负责人和回滚入口已经演练。
• “混合检索 RAG：多路召回、RRF 与重排”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“混合检索 RAG：多路召回、RRF 与重排”的判断，就不能发布。

十三、总结

• 检索漏斗，而不是“多搜一点”：各层职责不同：召回层宁可多找一些候选，融合层解决多路分数不可比，重排层判断候选是否真正回答问题，Context Packing 再控制最终证据的覆盖面和 Token 数。
• 为什么不能直接相加原始分数：BM25 分数没有固定上限，余弦相似度通常落在较小区间，模型 Rerank 又可能输出 logit。
• Rerank 不等于再次向量检索：Bi-Encoder 分别编码问题和文档，适合全库快速召回；
• 动态路由怎么做：指定产品、部门、时间范围：先应用 metadata filter，再召回。
• 评测必须拆层：| 层级 | 指标 | 回答的问题 |
• 生产排障：融合排名正确，Rerank 排错：查候选是否截断、模型语言能力与训练域。