本次查询：混合搜索
中文解释：混合搜索
常见场景：企业知识库 / 电商商品检索 / 智能客服问答
一句话解释
混合搜索是一种同时使用关键词匹配（如传统搜索引擎）和语义理解（如AI向量匹配）的搜索方式。它先分别用两种方法找出候选结果，再通过算法合并排序，得到既包含精确匹配又覆盖语义相近的内容。
为什么会被关注
纯关键词搜索无法理解“苹果”是水果还是品牌，纯语义搜索则可能漏掉具有明确术语的精准结果。混合搜索取二者之长，在电商、知识库等场景中显著提升召回率和准确率，尤其适合需要同时处理术语查询和开放性问题的情况。
随着大模型应用（如RAG）普及，对检索质量的要求越来越高。混合搜索能改善模型获取信息的完整性，减少幻觉，因此成为AI产品落地时的热门基础技术。
核心逻辑
混合搜索通常包含三个步骤：首先，用户输入查询后，系统同时执行关键词搜索（基于倒排索引）和向量搜索（基于文本嵌入计算语义相似度）；然后，对两个结果集分别打分并归一化；最后，通过加权融合算法（如倒数排名融合RRF或加权平均）输出最终排序。
难点在于权重分配和分数归一化。不同场景下关键词与语义的重要性不同，需要根据业务数据动态调整，或者利用学习排序模型来自动优化融合策略，以达到最佳效果。
常见场景
企业知识库：员工搜索内部文档时，既想精确匹配产品型号，又要能通过描述性语言找到相关制度。混合搜索能同时满足两类需求，减少重复检索。
电商商品搜索：用户输入“红色连衣裙参加婚礼”，系统需要同时匹配颜色、款式和场合。关键词确保“红色”“连衣裙”被命中，语义搜索理解“参加婚礼”隐含的正式感。
智能客服：用户提问“怎么退款”，客服系统既要精准匹配“退款流程”FAQ，也要能关联“取消订单”“申请售后”等语义相近的问题，提高自动回复覆盖率。
容易混淆的点
混合搜索≠多模态搜索。多模态搜索是指用文本、图片、语音等多种数据类型进行检索，而混合搜索特指在同一模态（通常为文本）下融合不同检索策略，两者是不同维度的概念。
混合搜索≠简单的“关键词+向量”堆叠。如果只是把两个独立结果合并显示而没有统一排序，容易导致重复或排名混乱。真正的混合搜索需要经过分数归一化和融合算法，才有实际价值。