Q：混合检索到底在哪个环节比单独用效果好？

来源：淘天/AI Agent一面

新手答：“混合检索综合了向量和关键词的优点，效果自然好。”

高手答：

混合检索不是“无条件好”——需要分场景分析：

向量检索强的环节：语义模糊/同义改写（“电脑卡顿” → “性能优化方案”）

BM25强的环节：精确术语/实体名/代码片段（“RuntimeError: CUDA out of memory”）

混合检索真正发挥优势的场景：

1. 长尾查询：用户用口语化表达但目标文档是专业术语——向量桥接语义，BM25精确命中关键词
2. 多意图查询：“Python的GIL锁对多线程性能的影响”——向量理解整体意图，BM25命中“GIL”这个精确关键词
3. 短查询消歧：“苹果”——纯向量可能检索到手机和水果，BM25结合上下文关键词辅助消歧

混合反而变差的场景：

• 纯语义问答（“什么是幸福”）→ BM25引入噪声
• 纯关键词检索（错误码查询）→ 向量检索稀释精确结果

融合策略的关键：RRF（Reciprocal Rank Fusion）中的K参数决定了两路结果的权重平衡——需要根据实际查询分布调优。

差距在哪：面试官考的不是“混合检索好不好”，而是“你知不知道它在什么条件下好”——要有反面案例。能说出混合反而变差的场景（纯语义问答、纯关键词检索），说明你对混合检索有深入的工程实践，而非人云亦云。