此系列因故中斷，請移駕 RE:從 4,343 筆職缺到 AI Engineer：MLOps × GenAI Engineering 雙主軸實戰 繼續支持。

昨天說明文件的索引，今天處理：怎麼把對的東西找出來。

今天說明的混合檢索、重排序、查詢改寫等3個技術是實務上 CP 值最高的三個優化，而且都不需要換模型。

今天要解決的問題

在您常識建立 RAG 系統之時，很有可能也有以下經驗：

失敗一：精確關鍵字漏掉。 使用者問「A-2350 這個型號的保固多久」，向量檢索取回了一堆「保固政策」的通則段落，就是沒有 A-2350 那一頁。因為在語意空間裡，「A-2350」和「B-1180」長得幾乎一樣。

失敗二：對的文件排在第 8 名。 你設 top_k=5，正確答案排第 8，就這樣被切掉了。

失敗三：代名詞查詢。 對話進行到第三輪，使用者問「那它的保固呢？」 檢索系統拿到的字面就是「那它的保固呢」，它完全不知道「它」是什麼。

📊 職缺訊號

這是 RAG（48.1%）任務中最需要工程判斷的部分。面試裡常見的問法是：「您的 RAG 答不出某個問題，該怎麼查？」——能講出「先確認是檢索問題還是生成問題」，再往下分層排查的人，就贏過八成的候選人（明天會給完整的排查流程）。

一、現象：三種檢索方式各有盲區

先把今天要組裝的檢索管線畫出來，四個步驟各自解決一種失敗：

圖 19-1：檢索管線的四個步驟與各自解決的失敗（示意流程）。注意最後那個分支——能回傳空結果，是拒答功能的前提。

兩者的盲區恰好互補，這就是混合檢索的理由。

二、原理：每加一層，值多少

這張圖是今天的核心，它回答「該做到哪一層」：

圖 19-2：RAG 檢索品質與延遲的取捨（示範性評測數據，用於說明趨勢）。左圖是四種檢索策略的 Recall@k，右圖是逐層疊加優化的品質與延遲變化。

左圖的關鍵讀法：混合檢索在 top-5 就達到純向量 top-10 的水準；加上重排序後，top-1 的命中率從 0.52 跳到 0.72。

top-1 命中率為什麼重要？因為 Day 16 的 Lost in the Middle 告訴我們，放在最前面的內容被用得最好。讓最相關的那一筆真的排第一，比多塞五筆進去有效得多。

右圖的關鍵讀法：忠實度從 0.71 推到 0.91，但延遲也從 180 ms 漲到 640 ms。這不是「全部都要加」的清單，是一份取捨表，多數企業 RAG 的最佳落點是「混合檢索 ＋ 重排序」（品質 0.88、延遲 620 ms）。

三、動手：三個優化的實作

3.1 混合檢索：RRF 融合

"""hybrid.py —— 用 Reciprocal Rank Fusion 融合兩種檢索結果。"""
from rank_bm25 import BM25Okapi
import jieba          # 中文斷詞：BM25 需要先斷詞才有意義

# 建 BM25 索引（與向量索引並存）
tokenized = [list(jieba.cut(c["text"])) for c in chunks]
bm25 = BM25Okapi(tokenized)

def reciprocal_rank_fusion(rankings: list[list[str]], k: int = 60):
    """RRF：只看名次不看分數，因此不需要處理兩套分數的尺度差異。

    這是它比「加權平均分數」更受歡迎的原因——不用調權重。
    """
    scores = {}
    for ranking in rankings:
        for rank, doc_id in enumerate(ranking):
            scores[doc_id] = scores.get(doc_id, 0) + 1 / (k + rank + 1)
    return sorted(scores, key=scores.get, reverse=True)

def hybrid_search(query: str, top_k: int = 20):
    # 1) 向量檢索
    vec_hits = collection.query(
        query_embeddings=embed([query], is_query=True).tolist(),
        n_results=top_k)["ids"][0]

    # 2) 關鍵字檢索
    bm25_scores = bm25.get_scores(list(jieba.cut(query)))
    bm25_hits = [chunk_ids[i] for i in bm25_scores.argsort()[::-1][:top_k]]

    # 3) 融合
    return reciprocal_rank_fusion([vec_hits, bm25_hits])

💡 中文的特別提醒

BM25 依賴斷詞，而中文斷詞品質直接影響效果。專有名詞、產品型號、內部術語要加進自訂詞典（jieba.load_userdict()），否則「A-2350」可能被切成「A」「2350」，效果大打折扣。這是中文 RAG 特有的工作，英文教學不會提。

3.2 重排序：用貴的模型排少量候選

"""rerank.py —— 交叉編碼器重排序。粗召回多、精排少。"""
from sentence_transformers import CrossEncoder

reranker = CrossEncoder("BAAI/bge-reranker-v2-m3")   # 支援中文

def retrieve_and_rerank(query: str, candidates_k: int = 20, final_k: int = 4):
    candidate_ids = hybrid_search(query, top_k=candidates_k)
    docs = fetch_documents(candidate_ids)

    # 交叉編碼器同時看 query 與 doc，比向量相似度準得多，但也慢得多
    scores = reranker.predict([(query, d["text"]) for d in docs])
    ranked = sorted(zip(docs, scores), key=lambda x: x[1], reverse=True)

    # 除了取前 k 筆，也用絕對分數過濾——沒有夠相關的就該回報「找不到」
    return [d for d, s in ranked[:final_k] if s > 0.3]

最後那個 if s > 0.3 很關鍵。 沒有它，即使知識庫裡完全沒有相關內容，檢索仍會回傳「最不差的四筆」，然後模型就會基於不相關的脈絡開始編。能夠回傳空結果的檢索器，是拒答功能的前提（明天詳談）。

3.3 查詢改寫：解決代名詞與模糊查詢

"""rewrite.py —— 把對話脈絡補進查詢，讓它能獨立被檢索。"""
REWRITE_PROMPT = """根據對話歷史，把使用者最新的問題改寫成一個「不需要看歷史也能理解」的完整問句。
只輸出改寫後的問句，不要有其他文字。若問題本身已經完整，原樣輸出。

對話歷史：
{history}

使用者最新問題：{question}
改寫後："""

async def rewrite_query(history, question):
    # 用便宜的小模型即可，這是高頻但簡單的任務
    resp = await client.chat.completions.create(
        model=SMALL_MODEL,
        messages=[{"role": "user", "content": REWRITE_PROMPT.format(
            history=format_history(history[-4:]), question=question)}],
        max_tokens=100, temperature=0,
    )
    return resp.choices[0].message.content.strip()

# 效果：
#   原始查詢：「那它的保固呢？」        → 檢索必然失敗
#   改寫後：「A-2350 智慧門鎖的保固期是多久？」 → 檢索成功

另外兩個值得知道的改寫技巧：

• Multi-query：讓模型把一個問題拆成 2–3 個不同角度的子查詢，分別檢索後合併。適合複合問題（「A 和 B 的差別，以及哪個比較適合小型企業」）。
• HyDE（Hypothetical Document Embeddings）：先讓模型「假裝回答」，再用這個假答案去檢索。原理是假答案在語意空間裡比問題更接近真答案。適合問題與文件用語落差大的場景。

四、取捨：加到哪一層就好

三個常見的誤區：

1. 無腦調大 top_k。 從 5 調到 20，看似取回更多，實際上是把更多雜訊塞進脈絡——Lost in the Middle 會讓效果不升反降，成本還上升。先做重排序，再考慮調 k。
2. 以為換更強的生成模型能救檢索。 檢索取回錯的東西，再強的模型也只能基於錯的東西回答。這是本系列反覆強調的分層思維。
3. 忘記量測。 上面每一個優化都該有前後對照的數字。沒有評測集，你只是在憑感覺調參——明天就處理這件事。

4.1 一個真實的優化順序範例

某企業知識助理上線後，答對率只有六成。團隊的優化順序與各自的效果：

注意第 1 步與第 3 步。 第 1 步不改善任何東西，卻是後面每一步能被驗證的前提；第 3 步是效果最大的一項，而它屬於昨天的索引端——這再次說明「八成的 RAG 失敗在提問之前就決定了」。

也請注意這裡沒有出現「換更強的生成模型」。因為在檢索還沒做好之前，換模型的邊際效益極低。

📌 一個排查的順序

RAG 答不好時，永遠先看檢索結果，不要先改提示。具體做法：把該問題的檢索結果原文印出來，問自己一句話——「正確答案在不在這幾段裡？」

• 不在 → 檢索問題（今天的內容）
• 在，但模型沒用好 → 生成問題（明天的內容）

這個二分法能省下你大量的瞎猜時間。

今日小結

• 三種檢索方式盲區互補：向量檢索漏精確詞、關鍵字檢索漏同義詞，混合檢索（RRF 融合）兩者兼顧。
• 重排序讓 top-1 命中率從 0.52 跳到 0.72——因為 Lost in the Middle，讓最相關的排第一，比多塞五筆有效。
• 重排序要設絕對分數門檻，能回傳空結果的檢索器，才有辦法做拒答。
• 多輪對話幾乎必做查詢改寫，否則代名詞查詢必然失敗。
• 中文 RAG 的特有工作：BM25 的斷詞與自訂詞典（型號、內部術語要加進去）。
• 三個誤區：無腦調大 top_k、以為換模型能救檢索、忘記量測。
• 排查順序：先看檢索結果，問「正確答案在不在這幾段裡」——這個二分法能省下大量瞎猜。

明天預告

RAG 三部曲的最後一天：文件找到了，怎麼讓模型只根據它們回答、在沒有依據時老實說不知道、以及最重要的是如何量化你的 RAG 到底有多好。

明天也會提供 RAG 排查決策樹，可以直接存起來當工作手冊參考。

延伸閱讀

• 📄 Cormack et al., Reciprocal Rank Fusion outperforms Condorcet and individual Rank Learning Methods (2009)——RRF 的原始論文，簡單到令人意外的有效
• 📄 Gao et al., Precise Zero-Shot Dense Retrieval without Relevance Labels (2022)——HyDE 的出處