本次查询：Hybrid Retrieval
中文解释：混合检索
常见场景：适用于需要同时兼顾精确匹配和语义理解的大规模信息检索场景 / 如企业知识库 / 电商搜索 / 法律文档检索等。
一句话解释
Hybrid Retrieval（混合检索）是一种融合关键词精确匹配与向量语义相似度计算的检索策略，旨在平衡检索的精确性与灵活性，让搜索结果既不错过精确术语，也能理解用户意图中的同义词或模糊表达。
为什么会被关注
传统关键词搜索（如BM25）对精确匹配敏感，但无法处理同义词或语义变体；向量搜索（如基于嵌入的检索）擅长语义理解，却可能忽略高频精确匹配。混合检索将两者优势结合，显著提升大模型RAG场景下的检索质量。
随着企业知识库、智能客服等AI应用对检索准确率的要求日益提高，混合检索成为解决“既要精确又要灵活”矛盾的关键技术，尤其在检索数据量大、用户输入多样时优势明显。
核心逻辑
混合检索通常采用加权融合或两阶段级联。加权融合对关键词得分（如BM25分数）和向量相似度（如余弦相似度）进行线性组合，通过调整权重控制两种信号的比重。
级联方式则先用关键词检索快速粗筛出候选集合，再利用向量模型对候选结果进行语义精排，兼顾效率与效果。实际部署中需根据数据分布和查询特点调节权重、阈值或级联层数。
常见场景
企业知识库问答：用户常输入包含产品型号（需精确匹配）和功能描述（需语义理解）的混合查询，混合检索可同时满足两类需求。电商商品搜索：用户搜索“红色蓝牙耳机”，既要精确匹配颜色和品类，也要理解“蓝牙”的语义关联。
法律文书检索、医疗文献查找等专业领域同样适用，尤其当用户使用术语缩写或近义表述时，混合检索能兼顾召回率与准确率。此外，RAG（检索增强生成）系统常默认集成混合检索作为检索器。
容易混淆的点
混合检索不是多模态检索——后者处理图文、音视频等不同数据类型，而混合检索只针对文本的同源检索策略。它也不是简单的“多种模型混合”，而是特指关键词与语义两种检索算法的协同。
另外，混合检索在RAG中仅属于检索器的一种实现方式，不等于整个RAG流程。部分产品将“混合搜索”误标为“多模态搜索”，实际仍是文本层面的关键词+语义融合，需注意区分。