RAG 为什么要做混合检索和重排？
面试怎么回答
混合检索是为了利用词法精确匹配和向量语义召回的互补性，尤其能兼顾错误码、专有名词与自然语言表达。两路分数不能直接裸加，可用 RRF 按排名融合，或归一化后加权。第一阶段先高召回生成候选，再用更强模型重排少量结果，平衡效果、延迟和成本；权限与有效期等硬条件应尽量前置，并分别评估召回、融合和重排。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
用户搜索错误码 ERR_1047，向量检索返回了一堆“系统异常处理方案”，真正包含这个错误码的文档却排在后面。
语义相似找到了，精确事实反而丢了。这就是只做向量检索的典型边界。
关键词检索擅长精确词、编号和专有名词，向量检索擅长同义表达和语义召回；混合检索扩大候选覆盖，重排再用更强模型精细判断相关性。
关键词和向量各自擅长什么？
BM25 等词法检索对错误码、SKU、表名、人名和原文短语非常敏感，结果也容易解释。但用户换一种表达、使用同义词或描述意图时，字面匹配可能漏掉正确文档。
向量检索能找到“退款不到账”和“支付退回延迟”这类语义接近的内容，但对罕见编号、精确否定、数字和细粒度条件不一定稳定。
所以生产 RAG 常让两路并行召回，再把结果融合成一个候选集。
两路分数不能直接相加
BM25 分数和向量相似度来自不同计算体系，数值范围和分布并不一致。直接 0.5 * bm25 + 0.5 * vector_score，表面公平，实际可能被某一路分数范围支配。
常见做法有两类：
- RRF：不比较原始分数，按各结果列表中的排名融合
- 归一化加权：先把各路分数缩放到可比较范围，再按业务调权
RRF 上手简单；需要加入时效、权威度、点击反馈等业务信号时，加权排序更灵活，但要有评测数据支持。
融合以后为什么还要重排？
第一阶段检索追求快速和较高召回，通常只用较轻的匹配信号。重排器则对“查询—候选文档”逐对判断，可以识别条件、否定关系和细粒度语义，再把真正相关的少量结果排到前面。
但重排成本更高，所以不会对全库运行。典型漏斗是：关键词和向量各取一批候选，融合去重后保留几十条，重排得到前几条，再组装给大模型。
过滤应该放在哪里？
租户、权限、语言、地区、有效期等硬条件应尽量在召回阶段过滤，而不是召回后才删除。否则候选窗口可能全被无权限内容占满，最后虽然安全过滤掉了，却没有剩余相关结果。
同时要保留每一路的原始排名、融合排名和重排分数。坏答案出现时，才能判断是没召回、融合压低，还是重排判断错误。
怎么评估？
检索层至少看 Recall@K、MRR、NDCG、无结果率和权限过滤正确性；在线再观察引用点击、追问率、答案采纳率、延迟和成本。不要只看最终回答“像不像正确”，否则检索退化可能被模型措辞掩盖。