混合检索与重排

状态：规划中的业务模块。关联任务：V2-S02、V2-S03、V2-S06；查看实施计划。真实函数和测试路径由阶段开发完成后补入。

业务问题

大量 schema 无法全部放入 Prompt。词法匹配擅长 SKU、字段名与编码，向量召回擅长相近业务表达，两者互补后还需要筛出少量上下文。

输入、输出与上下游

• 输入：问题、候选域、数据源、schema/semantic 版本、授权范围与预算。
• 输出：有序 Candidate 列表、来源排名、融合分数、重排分数和降级标记。

QueryIntent → SearchRepository → OpenSearch + Milvus → RRF → Reranker → Table/Column Context

核心机制

RRF 对每个对象按每一路排名计算 sum(1 / (k + rank))。排名从 1 开始，未出现的路贡献 0，不能让缺失对象获得 rank=0 的高分。同一对象需按稳定 ID 合并。

教学示例取 k=60：表 A 在两路都排第 2，得分为 2/62≈0.03226；表 B 只在一路排第 1，得分为 1/61≈0.01639。这说明两路共同支持的候选可能更高；这些值只用于公式说明，k 的生产配置要用消融评测选择。

先表后列能够减少无关列，但必须保护连接键、指标依赖和权限所需字段。Reranker 改变排序，不会凭空补回两路都漏掉的对象。

失败与边界

单路超时：按允许策略降级且标注；双路失败：返回服务不可用；权限不匹配：在召回前过滤并复核；上下文为空：不得生成猜测表名。

学习实验

固定题集、模型和预算，比较 lexical-only、dense-only、hybrid、hybrid+rerank 的 Recall@K、最终正确率与时延。找到一个精确编码题和一个语义改写题。

先写预测结果，再执行；把实际输出、数据版本和代码入口放进 验收证据。现在尚无业务实现，此处实验需要对应阶段完成后运行。

读代码与面试复述

为什么不直接加 BM25 和向量分数？高 Recall 与高 Precision 冲突时怎么取舍？重排变慢是否值得？

阅读时先看契约，再跟一条正常链路和一条失败链路，最后读 adapter 与测试。使用 代码地图 定位模块；不要只背技术名称。