讲解分析｜混合检索 + Rerank 精排的 retrieval 调用流程

分类：RAG / 检索系统 / 混合检索 / Rerank / 面试准备

这篇文章在讲什么

这篇本质上是在拆一个 RAG 检索链路的工程实现，重点不是讲概念，而是讲：

一个 retrieval 函数从接到 query，到返回最终结果，中间到底做了哪些步骤。

对应的面试场景也很典型：

• 你会讲混合检索

• 你知道 rerank

• 你知道 embedding

• 但一旦问到代码流程、输入输出、性能优化，就容易露馅

核心主线

文章强调，面试分两层：

1. 知道概念比如知道向量检索、BM25、RRF、Cross-Encoder rerank

1. 真的做过工程实现比如你能不能把 retrieval 流程拆开讲清楚：

• 哪些步骤串行，哪些并行

• 检索结果怎么融合

• rerank 排多少条

• 性能怎么控

• 每一步输入输出是什么

后者才是面试官真正想追问的地方。

retrieval 函数的典型流程

按文章里的结构，可以概括成这几步：

1. 构建检索请求
   • 输入：query、知识库 ID、阈值、分页参数等
   • 输出：统一请求对象

1. 执行混合检索
   • 向量检索 + BM25 同时跑
   • 再做结果融合

1. 结果融合
   • 文中点名会被问到 RRF 或加权求和
   • 重点不是背名词，而是能解释为什么这么合并

1. Rerank 精排
   • 对候选结果进一步排序
   • 面试里会被追问：是不是所有结果都 rerank？Top 100 全部过 Cross-Encoder 会不会太慢？

1. 返回最终 TopK
   • 输出最相关文档片段
   • 通常还会带分数、来源等元信息

这篇对你的价值

如果你是做面试准备

这篇的价值很高，因为它不是泛泛聊“RAG 架构”，而是在补 工程细节表达能力。

你后面讲项目时，最好别只说：

• 我用了混合检索

• 我加了 rerank

• 我优化了召回

而要能继续展开：

• 检索请求对象长什么样

• embedding 检索和 BM25 是怎么组织的

• 融合算法为什么这么选

• rerank 的候选集怎么截断

• 线上延迟怎么控

如果你是做项目实现

它提醒你：

RAG 里最容易被说得轻描淡写的地方，恰恰是最该落到代码实现的地方。

比如：

• top_k 怎么设

• threshold 怎么设

• RRF 的 k 为什么这么取

• rerank 截断到多少条

• 哪一步该并行

• 哪一步该缓存

这些都是“会不会做”的分水岭。

你可以怎么吸收

面试表达模板

你可以把这类项目讲成：

• 首先构建统一 retrieval request

• 然后并行执行向量检索和关键词检索

• 再用 RRF 融合多路结果

• 融合后只取前 N 条做 rerank，避免 Cross-Encoder 全量精排带来的高延迟

• 最后返回 TopK 文档片段及相关元信息

这样一讲，就明显比“我用了混合检索和 rerank”更像真的做过。

适合归到哪个方向

我会把它归到：

• RAG 工程实现

• 检索系统细节

• 面试追问素材

不是偏论文理论，更偏工程表达与项目答辩。

后续可继续补的东西

如果你要，我下一步还能继续补两种内容：

1. 面试背诵版：整理成 1~2 分钟能直接讲的口语化答案

1. 流程图版：画一张 retrieval 从 query 到 topK 返回的流程图