主题
02 - 检索与引用溯源
一句话：检索是一条漏斗——向量与关键词两路各召回一批、融合取前若干、重排后只留进上下文的三五条，代价是每加一级就多一分延迟一分成本；判断标准只有一条：该找到的找得到、找不到的明确说找不到，且每条答案都能指回原文页码——指得回去，才算可采信。
一、漏斗的形状
| 阶段 | 常见取值 | 为什么是这个数 |
|---|---|---|
| 单路召回 | 各 30–50 条 | 低于 30 时精确串容易被语义近邻挤掉；高于 50 收益递减、重排成本上涨 |
| 融合后保留 | 10 条 | 给重排留判断空间 |
| 重排后送入 | 3–6 条 | 上下文里每多一条都在稀释注意力并涨 token 成本 |
两组数是经验起点，不是最优值。调它们必须成对看：召回放宽、送入收紧，往往比单纯放宽某一级更有效。
二、两路各管什么，为什么线性相加会出事
关键词那一路管“必须一字不差”的东西——接口名、错误码、制度编号、产品型号。向量那一路管“说法不同意思相同”的东西——用户问“怎么退钱”，文档写“资金原路返回”。
引擎暴露的融合方式是线性加权。两路分数量纲与分布都不同：BM25 无上界、依赖词频与文档长度，向量相似度通常压在 0 到 1，直接相加时权重实际调的是“哪个分布取值范围更大”，而不是“哪种证据更重要”。
由此有一个预期失效模式（复现方式见 07 §四）：把语义权重逐步抬高，最先整类消失的不是噪声，而是精确串查询——错误码查不到、型号查不到，而总体平均值可能还在涨。所以任何权重改动都要分桶看结果，不能只看平均值；能用名次融合时优先用名次，不用原始分数。
三、重排：值不值得开
重排用交叉编码把查询和候选放在一起打分，比前两级都准，也贵得多：成本随候选条数线性增长，延迟量级在一两百毫秒（经验值，不含生成，口径与 05 的时延分解一致）。默认开启还有一层常被忽略的账——它等于长期占住一个推理资源池，容量与单位成本见 05。
开与不开按同一套流程判：
- 固定一份评测集，重排开与关各跑一遍，逐题配对比较；
- 看排序质量指标（MRR、NDCG@10）是否稳定提升，而不只是平均值好看；
- 分桶看：精确串、表格、多跳、无答案各桶，任何一桶退化都要先解释再放行；
- 记录每题命中的片段与分数，形成可回放的对照证据。
只有前三步都过关，才把重排设为默认开。模型选择上，本地部署（如 bge-reranker 一类）省单次调用费用但吃 GPU 与运维，API 方式反之——这是一笔成本与可控性的取舍，不是一次技术选型。
查询改写（把口语问题改写成更适合检索的形式）同理：它增加一跳延迟和一次模型调用，只在多跳与长问题分桶上证明收益后才开。
图表与图文混排块只参与定位、不参与重排打分——多模态重排一期不做（见 06 边界），把“来自图”的块送进交叉编码只会得到不可信的分数；含图题型的正确处理是落到无答案桶按拒答处置，而不是给一个看着像样的答案。
四、检索范围与请求增强
托管平台通常给出一整面可配置参数，本栏的取舍是范围由服务端决定、参数由场景模板决定，四件事各有归属：
| 能力 | 归属 | 口径 |
|---|---|---|
| 标签与元数据过滤 | 服务端注入，客户端不可指定 | 复用内容侧已有字段：负责人、生效状态、密级、知识域、主题；与权限条件同批下发（见 03） |
| 多库范围与权重 | 平台按场景配置 | 某个问答场景绑哪些知识域、各自权重多少，是配置项；客户端传的数据集 ID 不生效 |
| 多域路由 | 编排层承担，不做产品化路由开关 | 由 Agent 或场景模板决定问哪个域；代价是路由质量取决于编排规则本身，好处是不额外引入一次计费的判定环节 |
| 输出侧防泄漏 | 服务端策略 | 引用只回标识与坐标；正文按段限量、按主体按文档累计限量；答案不复述原文整段 |
第三行要说清是一次反向设计：托管平台常见做法是“拨一个开关，由模型判定该查哪几个库”，我们选的是范围由授权与配置派生、不交给模型判断。理由是同一个——模型选错库时，同时是质量问题和安全问题，而日志上看不出是哪一种。代价是新增业务域必须显式配一次，少配就表现为“查不到”，需要在零命中清单里能被看见（见 09）。
五、引用要能落到页面上
答案带引用不是装饰，是这套系统能被采信的唯一理由。生产返回的最小字段：
| 字段 | 用途 |
|---|---|
| 片段 ID + 文档 ID | 定位到具体一段 |
| 页码 + 坐标框 | 让人一眼看到原文位置 |
| 文档版本与内容哈希 | 事后核对“当时答的是哪一版” |
| 生效状态 | 现行 / 待复审 / 已废止，决定答案措辞是否带提醒 |
| 主题标识 + 权威源标记 + 冲突数 | 支撑“该主题存在多个说法”的提示，不靠模型自觉 |
| 密级与所属项目 | 支撑返回前的权限复核（见 03） |
两条硬要求：引用必须能真的打开；引用必须经过权限复核。第二条常被忽略——答案生成时可见的片段，可能在展示前已被撤权，直接渲染等于把内容漏出去。所以引用由服务端按当前权限重新判一次，而不是把检索结果原样透传。
被权限过滤掉的片段不在用户侧说明原因：涉密内容的存在性本身就是信息，用户侧统一表现为无结果，过滤原因只进管理台与审计（见 03）。
六、拒答是正常输出
问的是库里没有的事，正确答案是“查不到”。默认判定条件三条，满足任一条即拒答：
- 最高分低于阈值；
- 命中片段与问题主题不符（如同一编号出现在不相关文档里）；
- 需要跨文档拼接且证据链断裂。
无答案题型的拒答率是质量门禁里最容易被牺牲的一项：只要把阈值调低，模型就会开始编，看起来“什么都答得上”，实际把幻觉变成了生产数据。与它对称的是过度拒答率——正常问题被挡掉的比例。两个必须一起报，只报任一个都能调出一个好看的数。
阈值取值按业务定，先按经验值起步，再用评测集校准；校准记录必须留档，否则半年后没人知道这个数为什么是它。
七、GraphRAG 什么时候才上
默认关闭。开启条件同时满足三条：问题以“实体之间有什么关系”为主、多跳题型在基础链路上调优到顶仍不达标、有预算承担建图与持续维护。
代价要说全：抽取实体关系本身就是一遍模型推理，抽取错误会沿图传播；文档更新后图要重建，维护成本比向量索引高一个量级。多数场景先试查询分解——把“A 和 B 的合同谁负责”拆成两次单跳检索再合并，能解决大半问题，且不改索引结构。
八、边界
- 本栏给的是漏斗形状与判定口径，各阶段的具体阈值属业务校准项，未经评测集验证前一律记为经验值。
- 换 embedding 模型或换向量引擎，旧的分数分布不再可比，所有阈值与评测必须重跑；这不是回归测试，是重新定标（见 05）。
- 多模态重排一期不做，图文块只作定位依据。
- 检索质量与权限过滤要分开评：前者答“该找到的找到没有”，后者答“不该给的给没给”，混在一起测出的分数没有意义（见 06）。