混合檢索：向量搜尋補不上的那一塊

純向量檢索有個明顯弱點：對精確字串不敏感。使用者查「ERR_2043」時，向量模型看到的是一串沒什麼語意的字元，相似度未必比一段講錯誤處理的散文高。

兩種檢索的互補性

• 向量檢索：擅長同義、換句話說、跨語言；不擅長精確字串與罕見詞。
• 關鍵字檢索（BM25）：擅長精確比對與稀有詞；不擅長同義改寫。

用 RRF 合併排名

最省事的合併方式是倒數排名融合（Reciprocal Rank Fusion），不需要調整兩邊分數的量綱，只看名次。

def rrf(rank_lists, k=60):
    scores = {}
    for lst in rank_lists:
        for rank, doc_id in enumerate(lst, start=1):
            scores[doc_id] = scores.get(doc_id, 0) + 1 / (k + rank)
    return sorted(scores, key=scores.get, reverse=True)

final = rrf([vector_hits, bm25_hits])[:10]

k 控制高名次的權重，預設 60 是常見值，通常不需要動。這段程式碼十行不到，卻往往是命中率提升最有感的一次改動。