【大模型实战 4】召回优化：混合检索、重排序，让模型不再“答非所问”

有时候问一些特定名词（比如“报销流程”、“错误代码 502"），向量检索找出来的全是些“意思相近”但不沾边的废话。

程序学到昏

170人浏览 · 2026-05-09 10:00:00

程序学到昏 · 2026-05-09 10:00:00 发布

上回说到
我们把文档切分好，也存进了向量数据库。

但跑起来一试，发现个大问题：
有时候问一些特定名词（比如“报销流程”、“错误代码 502"），向量检索找出来的全是些“意思相近”但不沾边的废话。

怎么办？今天咱们来给检索系统加个“强力外挂”。

🧐 为什么单纯的向量检索会翻车？

向量检索的核心逻辑是找“意思相近”的。
这有个致命弱点：它对精确关键词不敏感。

举个例子：
你问：“Q3 季度的财务报表是多少？”

向量检索可能会觉得：

“财务报表” -> 找到了很多关于财务的段落。
“是多少” -> 这是个问句。
于是它返回了一堆讲“财务定义”、“怎么做财务报表”的通用文档。

但它偏偏漏掉了那个标题叫"2025 Q3 财报数据"的具体段落。
因为在向量空间里，"2025 Q3 财报数据”和"Q3 季度的财务报表”可能离得并不近。

这就是“语义匹配” vs “关键词匹配”的经典矛盾。

🛠️ 解法一：混合检索（Hybrid Search）

既然“语义”和“关键词”各有所长，那咱们两个都要！

混合检索就是把两种检索方式的结果合并起来：

1. 向量检索：负责兜底，找出语义相关的段落。
2. 关键词检索（BM25）：负责精准，找出包含特定关键词的段落。

然后把两边的结果加权融合。

什么是 BM25？

全称有点长，你就把它理解为 Google 搜索的核心算法。
它专门统计关键词在文档里出现的频率。如果你搜“报销”，它就死盯着那些“报销”出现次数最多的段落给你找出来。

实战效果：

问：“财务定义是什么？” -> 向量检索赢了，BM25 也能辅助。
问："Q3 财报数据？” -> BM25 直接命中，向量检索辅助。

两者结合，基本通杀。

🛠️ 解法二：重排序（Rerank）

混合检索找回来了 10 条候选结果，但这 10 条里肯定有鱼目混珠的。
怎么把最相关的那一条排到第一位？

这就需要 Rerank 模型出场了。

Rerank 模型就像一个严格的考官。
它会把“问题”和“候选段落”放在一起，逐个打分（0-100 分）。

比如：

问题：“年假怎么休？”
段落 1：“员工每年有 5 天年假……" -> 考官打分：95 分（完美！）
段落 2：“请假流程包括事假、病假……" -> 考官打分：60 分（相关，但不是正解）
段落 3：“公司考勤制度规定……" -> 考官打分：40 分（沾边，太泛）

最后，我们只取分数最高的那个段落交给大模型。准确率瞬间提升 30% 以上！

常用的 Rerank 模型：

BGE-Reranker-v2（北京智源，中文效果极佳）
Cohere Rerank（国外最强，但收费）
Jina Rerank

🛠️ 解法三：元数据过滤（Metadata Filtering）

还记得第 2 篇咱们切分 Markdown 时，存下来的 Header 1, Header 2 吗？
那就是元数据。

检索的时候，我们可以给向量数据库下指令： “先帮我过滤出《员工手册》里的段落，然后再在里面找关于‘年假’的内容。”

# Chroma 的元数据过滤示例
collection.query(
    query_texts=["年假怎么休"],
    where={"source": "员工手册.pdf"},  # 只看员工手册
    n_results=2
)

这招在多知识库场景下特别好用。
比如公司有“人事库”、“技术库”、“财务库”。
如果不加过滤，问“怎么请假”可能会把“服务器怎么下线”也检索出来（因为都有“怎么”和“下/休”）。
加上元数据过滤，精准度直接拉满。

💻 综合实战代码

咱们用 LangChain 演示怎么把它们串起来。

假设我们用一个支持混合检索的库（比如 LangChain 的 EnsembleRetriever）。

from langchain.retrievers import EnsembleRetriever
from langchain_community.retrievers import BM25Retriever
from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings  # 或其他 Embedding

# 1. 初始化 Embedding 模型（必须有！）
# 如果你用的是本地模型，可以换成 HuggingFaceEmbeddings
embeddings = OpenAIEmbeddings()  # 或 from langchain_community.embeddings import HuggingFaceEmbeddings

# 2. 初始化向量检索器
vector_store = Chroma(
    collection_name="my_knowledge",
    embedding_function=embeddings,
    persist_directory="./chroma_db"  # 持久化目录
)
vector_retriever = vector_store.as_retriever(search_kwargs={"k": 5})

# 3. 初始化 BM25 关键词检索器
# 需要传入原始文档列表（这里假设 docs 已经加载）
bm25_retriever = BM25Retriever.from_documents(docs)
bm25_retriever.k = 5

# 4. 组合！
# weights 决定谁的话语权大。0.5 表示五五开。
ensemble_retriever = EnsembleRetriever(
    retrievers=[bm25_retriever, vector_retriever],
    weights=[0.5, 0.5]
)

# 5. 使用
retrieved_docs = ensemble_retriever.invoke("Q3 财报数据")

如果有条件，还可以再加一步 Rerank：

from langchain.retrievers import ContextualCompressionRetriever
from langchain.retrievers.document_compressors import CrossEncoderReranker
from langchain_community.cross_encoders import HuggingFaceCrossEncoder

# 加载 Rerank 模型（需要先下载模型）
# 推荐用 BAAI/bge-reranker-base 或 BAAI/bge-reranker-large
reranker = CrossEncoderReranker(
    model=HuggingFaceCrossEncoder(model_name="BAAI/bge-reranker-base"),
    top_n=3  # 只保留最相关的 3 个结果
)

# 包装一下
compression_retriever = ContextualCompressionRetriever(
    base_compressor=reranker,
    base_retriever=ensemble_retriever
)

# 最终结果
final_docs = compression_retriever.invoke("Q3 财报数据")
# 这时候 final_docs 里通常只有最精准的 3 段了！

💡 注意：Rerank 模型需要单独下载，首次运行会自动从 Hugging Face 下载，可能需要几分钟。国内用户建议设置镜像或提前下载到本地。

📊 优化前后对比

阶段	检索方式	准确率	备注
L1	纯向量检索	50%	经常被“意思相近但无关”的内容误导
L2	向量 + 元数据过滤	70%	范围缩小了，准确率提升
L3	混合检索 (Vector + BM25)	85%	关键词命中率高，不怕专有名词
L4	混合 + Rerank	95%	考官把关，去伪存精，效果拔群