本次查询：Hybrid Search
中文解释：混合搜索
常见场景：适用于需要同时处理精确关键词匹配和自然语言语义理解的场景 / 如智能问答 / 文档检索 / 电商商品搜索 / 客服知识库等。
一句话解释
Hybrid Search 就是将传统的关键词精确匹配（如 BM25）和基于向量语义的近似匹配（如嵌入向量余弦相似度）结合起来，协同获得更全面、更准确的搜索结果。
为什么会被关注
纯关键词搜索对同义词、自然语言变体不敏感，容易漏掉相关结果；纯语义搜索可能忽略精确的实体匹配或高频术语。混合搜索能互补两者短板，在召回率与准确率之间取得更优平衡。
随着 RAG（检索增强生成）和大语言模型应用的普及，检索质量直接影响生成效果。Hybrid Search 成为提升 AI 应用知识检索能力的关键技术，因而备受关注。
核心逻辑
混合搜索通常并行运行两路检索：一路使用稀疏检索算法（如 BM25、TF-IDF）基于倒排索引进行关键词匹配；另一路使用密集检索将查询和文档映射到高维向量空间，通过向量相似度计算语义相关性。
两路检索各自返回得分最高的候选结果，然后通过加权求和、排序融合（如 Reciprocal Rank Fusion）或学习型合并策略得到最终排序。超参数（如权重 λ）可调节关键词与语义的侧重比例。
常见场景
企业知识库搜索：员工需查找“销售手册”等精确文档名，同时也能通过“如何提升客户满意度”这种自然语言提问找到相关内容。
电商商品搜索：用户输入“红色连衣裙”既要求品牌名称精确匹配，也能通过语义理解找到“酒红裙子”等变体描述。
AI 聊天机器人与 RAG 系统：在回答前检索相关上下文，混合搜索确保同时命中政策编号（如“P-2024-05”）和语义相近的段落。
容易混淆的点
Hybrid Search ≠ 多模态搜索。混合搜索是针对单一文本模态下不同检索策略的融合，而多模态搜索处理图片、文本、音频等多种数据类型的联合检索。
Hybrid Search 不是简单的“关键词+向量”两路结果堆叠。其核心在于合理的排序融合策略（如 RRF、加权平均），否则两路结果相互干扰反而降低效果。