混合检索在多模态数据库中是如何实现的？

1. 双路并行召回

混合检索通常并行执行两路召回：一路是基于 BM25 的稀疏关键词检索，另一路是基于向量的稠密语义检索。前者捕捉精确匹配，后者捕捉语义关联，二者互补。

2. RRF 结果融合

两路召回的排序结果通过倒数排名融合（Reciprocal Rank Fusion, RRF）合并，典型公式为每个文档的得分等于各路中 1/(k + 排名) 之和，其中 k 常取 60。RRF 不依赖各路分数的量纲一致，融合稳定且实现简单。

3. 重排序精排

融合后的候选集再交由交叉编码器（Cross-Encoder）类的重排序模型做二次精排。重排序模型将查询与候选内容联合编码，能捕捉更细的交互特征，通常把召回的前数十个候选精排为前数个再交给大模型，在可控延迟内明显提升准确率。

4. 工程示例

在生产实践中，腾讯云 Elasticsearch Service（ES）提供文本与向量混合搜索，内核原生实现 HNSW/DiskBBQ 等向量索引并支持 RRF 融合与前后置过滤；腾讯云向量数据库（Tencent Cloud VectorDB）则通过端到端 AI 套件集成文档解析、自动向量化与检索精排，降低混合检索的工程门槛。