mcpField
H
hybrid-search-implementation

hybrid-search-implementation

github.com/wshobson数据与数据库41.9k10.9k 次安装2 周前更新
代码仓库

关于 hybrid-search-implementation

面向构建检索系统的工程师，介绍如何结合向量相似度与关键词搜索。内容涵盖融合和重排方法，适用于兼顾语义匹配与精确词项的查询。

主要功能

  1. 01向量与关键词搜索
  2. 02RRF 和加权分数融合
  3. 03交叉编码器重排
  4. 04级联检索模式
  5. 05搜索调优与评估

适用场景

  1. 01提升 RAG 系统的召回率
  2. 02查找精确名称或代码
  3. 03搜索领域专用词汇

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/wshobson/agents --skill hybrid-search-implementation

安装后在 Claude Code 中输入/hybrid-search-implementation确认已加载。

附带文件references/details.md

详细介绍

混合搜索实现

将向量相似度与基于关键词的搜索相结合的模式。

何时使用此技能

  • 构建具有更高召回率的 RAG 系统
  • 将语义理解与精确匹配相结合
  • 处理包含特定术语（名称、代码）的查询
  • 改进针对领域特定词汇的搜索
  • 当纯向量搜索遗漏关键词匹配时

核心概念

1. 混合搜索架构
Query → ┬─► Vector Search ──► Candidates ─┐
        │                                  │
        └─► Keyword Search ─► Candidates ─┴─► Fusion ─► Results
2. 融合方法
方法描述最适合
RRF倒数排名融合通用场景
Linear分数的加权和可调平衡
Cross-encoder使用神经模型进行重排序最高质量
Cascade先过滤再重排序效率

模板与详细示例

完整模板库与详细示例位于 references/details.md。需要具体模板时，请阅读该文件。

最佳实践

应该做的
  • 通过实验调整权重 - 在你的数据上进行测试
  • 为简单起见使用 RRF - 无需调整即可良好运行
  • 添加重排序 - 显著提升质量
  • 记录两种分数 - 有助于调试
  • 进行 A/B 测试 - 衡量真实用户影响
不应该做的
  • 不要假设一刀切 - 不同的查询需要不同的权重
  • 不要跳过关键词搜索 - 它能更好地处理精确匹配
  • 不要过度获取 - 在召回率与延迟之间取得平衡
  • 不要忽略边缘情况 - 空结果、单词查询

评论

支持 Markdown