RAG检索增强实战：LlamaIndex+BM25混合检索，命中率飙升18%

兄弟们，最近在搞RAG落地的项目，发现个事儿——纯向量检索在长尾实体和低频术语上翻车挺严重。试了LlamaIndex新版的混合检索模块，直接把BM25（关键词匹配）和向量检索（语义匹配）做加权融合，检索命中率从72%拉升到90%以上，实测提升18%。

具体怎么搞？核心是调整权重参数：对技术文档、代码片段这种术语密集场景，BM25权重调到0.4-0.6；对对话问答、摘要生成这类语义敏感场景，向量检索权重保持在0.7以上。LlamaIndex的`VectorIndexRetriever`里直接传`similarity_top_k=5`和`bm25_weight=0.5`就能跑。

另外注意：中文场景下BM25需要预置分词器，推荐jieba+custom词典。数据量超过10万条时，建议用Elasticsearch后端做BM25索引，速度比内存版快3倍以上。别被召回率骗了，记得评估NDCG（归一化折损累计增益），对比纯向量检索，混合检索在Top-5结果上的相关性得分提升了0.15。

最后总结：别盲信向量数据库，BM25这把老刀磨一磨，RAG精度能再上一个台阶。具体项目里，我给医疗文献搜索加了混合检索后，用户反馈“终于搜到想找的病历了”。欢迎分享你们的调参血泪史。