IT 面试题库

什么是混合检索与标量过滤?为什么 RAG 场景需要它们?

中级简答题AI应用开发工程师RAG工程师搜索算法工程师向量数据库混合检索RAG

题目

解释向量检索与关键词检索的互补性,以及元数据过滤在多租户场景的作用。

参考答案

内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 45 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解

混合检索:向量检索(语义相似,同义改写也能召回)+ 关键词检索(BM25,专有名词、型号、代码、人名等精确匹配强)互补。纯向量检索的典型失败:查询「K8s 1.29 FeatureGate 报错」——模型名/版本号在嵌入空间不敏感,关键词检索一发入魂。融合常用 RRF(倒数排名融合)或加权分数,再接 rerank 精排。RAG 场景混合检索通常能稳定提升召回质量 5~15 个点。

标量过滤:向量检索时附加结构化条件(tenant_id=xxx AND status=published AND date>2026-01),先过滤后检索(预过滤)或检索后过滤。为什么必需:① 多租户隔离——不过滤就是跨租户泄数据;② 时效性——RAG 常要求只查新文档;③ 权限与状态——草稿/删除内容不能进答案。工程上选型要确认引擎的过滤+向量联合性能(预过滤导致的簇稀疏问题,Milvus/Qdrant 各有优化)。

实践:知识切片时打好元数据(来源、部门、时间、权限),检索层做过滤,rerank 层做精排,三层配合。

练这道题

同分类 · 高频题

题目与答案就在本页;收藏、批注和错题重练在应用内

这道题看完了?连刷同类题,趁热打铁效果最好 进入刷题