BM25

BM25 是经典搜索引擎（如 Elasticsearch / 电脑本地文件搜索）背后的核心算法。

外号： 稀疏向量检索

它的逻辑： 死磕字面，绝对忠诚，不管语义。 你搜什么词，我就去文章里数这个词出现了几次。

它的三大绝招：

• 词频（TF）： 词在文章里出现越多，分越高。但有上限（饱和度），出现 100 次和 50 次在它看来差不多。

• 稀缺度（IDF）： 如果你搜“我的冰美式”，“我”和“的”到处都是，不值钱；“冰美式”很罕见，谁有“冰美式”谁拿高分。

• 篇幅惩罚： 同样出现 3 次“冰美式”，一篇 50 字的短文肯定比一篇 1 万字的长文更相关。

向量检索

利用深度学习的 Embedding 模型，把文字、图片变成一串由数字组成的坐标（向量）。

它的外号：密集向量检索。

它的逻辑： 不看字面，只懂意思。

它的绝招： 它能听懂潜台词。你搜“提神提气的苦咖啡”，文章里可能一个相同的字都没有，但向量检索能通过“意思接近”，帮你把写有“冰美式”的文章捞出来。

混合检索

BM25 和 向量检索 是两条不同的“捞数据”路径，而混合检索是把两者的优势结合。