rag增强检索-基于关键词检索的混合检索模式

1. 为什么在 RAG 里要用关键词检索？

• 向量检索（embedding-based retrieval）是找语义相近的内容，但有时候不够准确。
• 比如用户问了具体人名、产品型号、年份，这类关键词强指向性的信息，用向量检索可能匹配不到最相关内容。
• **关键词检索（keyword-based retrieval）**可以直接通过词匹配（如倒排索引、BM25）拿到精准结果。

所以，在 RAG 里常常会混合用：
→ 先关键词召回，再向量检索排序，或者两者结合。

2. 关键词检索的基本实现方式

主流有几种方法：

（1）简单倒排索引

• 建一个词到文档ID的倒排表（Elasticsearch、Lucene 就是干这个的）
• 用户query分词后，直接去倒排表里查有哪些文档包含这些词
• 计算一个得分，比如常见的 BM25

例子：

query: "Apache Flink 流式计算"
分词: