---
title: "什么是混合检索？BM25 + 向量检索与 RRF 融合详解 | BroadRouter"
description: "混合检索把 BM25 等关键词检索与向量检索结合起来，再合并两份排序结果，常用倒数排名融合（RRF）。原理是什么，为什么能改善 RAG。"
url: https://broadrouter.com/zh/glossary/hybrid-search/
lang: zh-Hans
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/hybrid-search/)（2026-11-16 更新）。

# 混合检索（hybrid search）

更新于 2026-11-16

混合检索是一种检索方法：对同一个查询同时运行关键词检索（如 BM25）和基于嵌入向量的向量检索，再把两份排序列表合并成一份，常用倒数排名融合（RRF）或归一化分数的加权求和。

又称： 混合检索、混合搜索、关键词与向量混合检索、倒数排名融合、RRF、hybrid search、hybrid retrieval、reciprocal rank fusion

关键词检索找的是原词，向量检索找的是语义。混合检索两者都跑，再合并结果。

## 原理

查询会同时发给两个检索器：

-   **关键词**：在倒排索引上运行 [BM25](https://broadrouter.com/zh/glossary/bm25/)。擅长人名、编码和罕见词。
-   **向量**：在[向量数据库](https://broadrouter.com/zh/glossary/vector-database/)中对[嵌入向量](https://broadrouter.com/zh/glossary/embeddings/)做最近邻搜索。擅长同义改写和近义词。

两种分数的量纲不同，所以大多数系统按排名或按归一化后的分数来合并。

\*\*倒数排名融合（RRF）\*\*出自 Cormack、Clarke 和 Büttcher（SIGIR 2009）：文档每出现在一个列表里，就加上一项分数。Elasticsearch 把这个循环写成 `score += 1.0 / (k + rank(result(q), d))`，排名常数 `k` 默认为 60。它的文档说 “RRF requires no tuning.”（译文：RRF 不需要调参。）

以 k = 60 为例：

| 文档 | BM25 排名 | 向量排名 | RRF 分数 |
| --- | --- | --- | --- |
| A | 1 | 3 | 1/61 + 1/63 = 0.0323 |
| B | 2 | 1 | 1/62 + 1/61 = 0.0325 |
| C | 未检出 | 2 | 1/62 = 0.0161 |

B 胜出，因为两个检索器都把它排得很靠前。

**加权融合**是另一种常见方法。Weaviate 从 v1.24 起默认使用 `relativeScoreFusion`：先把每路检索的分数归一化，再按比例求和。它的 `alpha` 设置决定两路的权重：0 表示只用关键词，1 表示只用向量，0.75 是服务器默认值。文档建议显式设置 alpha：只有当请求到达服务器时未带 alpha，0.75 这个默认值才会生效，而并非每个客户端库都会让它保持未设置，所以实际权重可能不同。

融合之后，很多流水线还会对靠前的结果再做一次[重排序](https://broadrouter.com/zh/glossary/reranking/)。

## 为什么重要

-   **召回率。** 真实查询往往既有精确词又有模糊表述，单靠一个检索器总会漏掉一部分。
-   **阿拉伯语。** 阿拉伯语拼写不统一（alef 的不同写法、ta marbuta、变音符号），文本不做规范化时会影响关键词精确匹配。加上向量检索，就多了一条找到正确文本块的路径。参见[阿拉伯语 RAG 检索](https://broadrouter.com/zh/blog/arabic-rag-search/)和[面向检索的阿拉伯语文本规范化](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)。
-   **更少的 token。** 检索越准，每个问题需要发给 LLM 的文本块就越少。

## 在 BroadNet Inference 上

混合检索运行在你自己的检索栈里：Elasticsearch、OpenSearch、Weaviate 或类似系统。BroadNet 不提供 embeddings 或 rerank 端点，所以请用其他服务商或本地模型生成嵌入向量。然后通过 Chat Completions API，把合并后排名靠前的文本块发给 BroadNet 的对话模型，例如 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 或 [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/)。语料较小时，可以和直接把文档放进长上下文的做法对比一下；参见[长上下文与 RAG 对比](https://broadrouter.com/zh/blog/long-context-vs-rag/)。

## 常见问题

### 为什么不只用向量检索？

嵌入向量匹配的是语义，但可能漏掉产品编码、人名、错误信息这类精确字符串。关键词检索正好能抓住它们。两者结合，两类查询都能覆盖。

### RRF 需要调参吗？

通常不需要怎么调。Elasticsearch 的文档说 RRF 不需要调参，而且它合并的各个结果集不需要有可比的相关性分数。它的排名常数默认是 60。

### Weaviate 里的 alpha 是什么意思？

它决定向量结果与关键词结果的权重。Weaviate 的文档说，alpha 为 0 时只用关键词检索，为 1 时只用向量检索，服务器默认值是 0.75。

## 另请参阅

-   [BM25](https://broadrouter.com/zh/glossary/bm25/)（术语）
-   [嵌入向量（embeddings）](https://broadrouter.com/zh/glossary/embeddings/)（术语）
-   [向量数据库（vector database）](https://broadrouter.com/zh/glossary/vector-database/)（术语）
-   [重排序（reranking）](https://broadrouter.com/zh/glossary/reranking/)（术语）
-   [RAG（检索增强生成）](https://broadrouter.com/zh/glossary/rag/)（术语）
-   [文本分块（chunking）](https://broadrouter.com/zh/glossary/chunking/)（术语）
-   [通过 OpenAILike 在 LlamaIndex 中使用 BroadNet Inference](https://broadrouter.com/zh/guides/llamaindex-openailike/)（指南）
-   [阿拉伯语 RAG：真正有效的规范化、分块与检索](https://broadrouter.com/zh/blog/arabic-rag-search/)（文章）
-   [长上下文还是 RAG：百万 token 什么时候能取代向量数据库](https://broadrouter.com/zh/blog/long-context-vs-rag/)（文章）
-   [面向搜索和 RAG 的阿拉伯语文本规范化：该改什么，不该改什么](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-hybrid-search&utm_content=page-cta) ·

**来源**

-   [Cormack、Clarke 与 Büttcher：Reciprocal rank fusion outperforms Condorcet and individual rank learning methods，SIGIR 2009（2026-11-15 查阅）](http://cormack.uwaterloo.ca/cormacksigir09-rrf.pdf)
-   [Elasticsearch 文档：倒数排名融合（reciprocal rank fusion）（2026-11-16 查阅）](https://www.elastic.co/docs/reference/elasticsearch/rest-apis/reciprocal-rank-fusion)
-   [Weaviate 文档：混合检索概念（alpha 与融合方法）（2026-11-16 查阅）](https://docs.weaviate.io/weaviate/concepts/search/hybrid-search)
