现在我来根据策划方案撰写面试题讲解文章：
向量检索、关键词检索和混合检索有什么区别？
这道题是RAG领域的核心概念题，考的是你对三种检索技术的底层原理理解到什么程度。简单来说：关键词检索是按字面找，向量检索是按意思找，混合检索是两者都找再合并。下面我们逐一拆解。
检索的本质——从"大海捞针"说起
不管用哪种检索方式，核心任务都一样：在海量文档中找到最相关的那些。
你可以把检索系统想象成一个图书馆：
- 用户的问题是"我想找一本讲程序员职业发展的书"
- 检索系统要在几十万本书里找出最符合需求的
- 最后返回结果列表
三种检索方式，代表三种不同的"找书策略"。有的靠标签，有的靠店员推荐，有的两者结合。
关键词检索——字面匹配的经典之作
关键词检索是互联网最传统、最成熟的技术，你用Google搜索大部分时候就是这种。
它的核心是倒排索引。什么叫倒排？普通索引是"文档→包含的词"，倒排索引反过来，是"词→出现在哪些文档"。
打个比方：
- 图书馆有一排书架，每个词像标签一样挂在上面
- 你搜索"Python教程"，系统直接找到挂"Python"标签和"教程"标签的书架
- 书架上列着所有包含这个词的书籍清单
关键词检索用BM25算法计算相关性。BM25考虑两个关键因素：
- TF（词频）：这个词在文档里出现多少次，出现越多越相关
- IDF（逆文档频率）：这个词在整个语料库里有多稀缺，稀有的词权重更高
BM25的公式核心思想是：词出现频率递增，但边际收益递减。你不能让一个词重复100遍就排第一。
关键词检索的优点：
- 精确匹配专有名词非常强——搜"iPhone 15 Pro Max"基本不会给你返回iPhone 14
- 技术成熟，延迟低
- 可解释性强——你知道为什么这篇文档被召回，因为包含搜索词
缺点也很明显：
- 同义词一塌糊涂——搜"手机"找不到"mobile phone"相关的文档
- 拼写错误基本没救
- 无法理解语义——搜"苹果的营养价值"可能给你返回苹果公司财报
向量检索——语义理解的新一代利器
向量检索是NLP时代的产物。核心思想是：把文字变成一串数字（向量），在数字空间里找相似的。
怎么变？靠Embedding模型（比如Text2Vec、BGE等）。这个模型会把"北京"、"帝都"、"首都"这些词都映射到相近的位置，因为它们的语义相近。
你可以理解成：
- 每个词、每句话都变成一个坐标点
- 语义相近的内容，在空间里距离近
- 搜索时，你的查询也变成一个坐标点
- 系统返回离这个点最近的N个文档
打个比方：
- "北京"和"帝都"在这个空间里是邻居，距离很近
- "iPhone 15"和"iPhone 16"的向量也很近，因为都是苹果手机
- 但"iPhone 15"和"安卓手机"的向量就离得远
向量检索的最大优势是语义理解：
- 搜"如何治疗发烧"，能返回"退烧方法"相关的文档
- 搜"编程入门"，能返回包含"Python基础"、"Java教程"的内容
- 同义词、表达方式变体都能搞定
但它也有硬伤：
- 精确边界模糊——搜"iPhone 15"可能也返回iPhone 14，因为太像了
- 专有名词、人名、型号表现差
- 计算量大，延迟比关键词检索高
- 有点黑盒，解释性不如BM25
混合检索——取长补短的工业实践
混合检索是生产环境的行业默认方案。思路很简单：两路检索一起跑，结果合并取最优。
具体怎么跑？分三步：
第一步：并行执行两路检索
- 一路走BM25关键词检索
- 一路走向量语义检索
- 两条线路独立运行，互不干扰
第二步：分别打分排序
- 关键词检索给出一个相关性分数和排名
- 向量检索也给出一个相似度分数和排名
第三步：用RRF算法融合
- RRF全称是Reciprocal Rank Fusion（互倒排名融合）
- 核心思想：不管你的分数多高，我只看你在各自列表里的排名
- 公式大概是：
score = 1/(k + rank)，然后求和 - 最终综合排名是两路结果的加权组合
为什么用排名而不是分数直接相加？因为两路检索的分数体系完全不同，直接加没有意义。RRF用排名做融合更公平。
混合检索的类比：
- 找书时，你既查了目录索引（关键词），又让店员推荐（向量）
- 两个渠道各给了一份推荐名单
- 你综合两份名单，选出重复出现或者两方都推荐的
这种方案的好处：
- 扬长避短：关键词处理专有名词，向量处理语义泛化
- 容忍度高：任何一路翻车了，另一路还能兜底
- 延迟可控：两路并行，不比串行慢太多
面试怎么答
基础版（直接背）：
关键词检索基于倒排索引，用BM25算法计算词频和文档频率的相关性，擅长精确匹配专有名词，但处理不了同义词。向量检索通过Embedding把文本映射到语义空间，用余弦相似度找相关内容，能理解语义但精确词边界模糊。混合检索是两路并行，用RRF算法融合排名，兼顾精确匹配和语义理解，是RAG系统的工业标准方案。
加分版（加原理细节）：
从底层原理说，关键词检索的核心是倒排索引和BM25。BM25公式是
score = IDF × (tf × (k+1)) / (tf + k × (1-b + b × dl/avgdl))，控制词频的饱和增长。向量检索依赖Embedding模型，常用余弦相似度或内积计算向量距离，需要注意向量维度选择和索引加速（如HNSW、IVF）。混合检索的RRF融合公式是score(q) = Σ 1/(k + rank(d))，用排名倒数求和避免分数体系不一致的问题。生产环境中，我一般根据业务场景调整两路检索的权重比，比如医疗领域更倾向向量检索（语义重要），电商搜索更倾向关键词检索（型号精确）。
一句话总结
三种检索各有分工：关键词管字面，向量管语义，混合检索取两者之长——这就是RAG系统选型的核心逻辑。