核心原则
查询包含产品名、编号、缩写或政策条款时，混合检索通常是最稳的默认值。
多查询能提升覆盖，但会增加成本，并可能引入偏题候选。
权限、时间和状态过滤应在重排序前完成，避免无效候选占用算力。
召回融合要记录 dense、sparse 和 fused 分数，便于解释为什么某个 chunk 被选中。
对低召回问题应优先补文档和同义词，而不是只扩大 topK。
方法对比
| 方法 | 延迟 | 成本 | 最适合 |
|---|---|---|---|
| Dense 向量 | 快 | 中 | 语义型问题 |
| BM25 | 快 | 低 | 精确术语、合规编号 |
| Hybrid | 中 | 中 | 混合企业语料 |
| Multi-query | 较慢 | 高 | 含糊探索型问题 |
大厂与框架实践
LlamaIndex 和 LangChain 都提供 dense + sparse 的 ensemble retriever。
OpenAI file search 抽象了检索细节，但质量仍受 chunk、ranking 和过滤影响。
Dify 和 FastGPT 常把混合检索作为中文知识库可调选项。
客服问题“退款规则 2026Q1”需要 BM25 命中编号，也需要向量召回同义表达。
研发问答中，多查询可把“启动失败”扩展到 crash、timeout、bootstrap error 等术语。
关键论文与参考
BM25，Robertson 与 Zaragoza，2009
DPR，Karpukhin 等，2020
ColBERT，Khattab 与 Zaharia，2020
SPLADE，Formal 等，2021
RAG，Lewis 等，2020
深度讲解
混合检索常用 RRF 融合：score(d)=Σ 1/(k+rank_i(d))，k 常取 60。它的优点是不依赖 dense 与 sparse 分数同尺度，适合快速上线。若 topK=6 但候选池只有 20，重排序器没有足够空间修正错误；生产常先召回 40-100 个候选，再重排到 5-10 个上下文。对含权限过滤的系统，召回评测要按租户分层统计，否则整体 Recall@10 会掩盖某些部门找不到文档的问题。
最佳实践
混合检索默认记录各路排名和融合分数。
先过滤权限，再做昂贵重排序。
为低召回查询维护同义词和查询改写样本。