混合搜索是一种结合多种搜索技术的方法，旨在提高结果的准确性和相关性。通常，它将传统的基于关键词的搜索（如 BM25）与基于向量的语义搜索（使用来自 BERT 或 GPT 等模型的嵌入）相结合。目标是利用这两种方法的优势：关键词搜索擅长匹配精确术语，而向量搜索理解上下文含义和同义词。通过结合这些方法，混合搜索可以处理既需要精确性又需要理解意图的查询，这是单一方法系统可能遗漏的。
当你构建的应用中，用户可能以不同的方式表达需求，或者需要平衡结果的特异性与灵活性时，就应该考虑使用混合搜索。例如，在一个电子商务应用中，用户可能搜索“轻薄的游戏笔记本电脑”。关键词搜索可以匹配“笔记本电脑”和“游戏”，但可能会漏掉描述为“便携式”而非“轻薄”的产品。向量搜索可能识别出意图，但可能会显示未明确提及游戏的不相关商品。混合搜索将结合这两种方法，确保结果包含精确的关键词匹配，同时捕捉语义相关的商品。同样，在客户支持系统中，混合搜索可以显示包含特定错误代码的文档文章（关键词匹配），同时显示用不同措辞解释类似问题的更广泛的故障排除指南（语义匹配）。
混合搜索在处理非结构化或半结构化数据时特别有用，例如产品描述、支持工单或研究论文。在多语言环境中，用户可能混合使用不同语言的术语，此时混合搜索也很有价值。实施通常涉及将 Elasticsearch（用于关键词搜索）等工具与 Pinecone 或 Milvus 等向量数据库配对使用，并使用加权评分系统来合并结果。例如，你可以将语义相似度得分分配 60% 的权重，将关键词相关度得分分配 40% 的权重。然而，混合搜索增加了复杂性，因此它最适合那些单一方法搜索的局限性（如遗漏同义词或过于严格的关键词要求）直接影响用户体验或业务目标的应用程序。如果你的用户经常重新措辞查询或你的数据包含细微差别术语，混合搜索可以显著提升结果质量。