修复 Milvus 混合检索 RRF 分数与相似度阈值不兼容
· 3 min read
在 RAG 知识库项目中调试混合检索评分问题，以下是完整排查过程。
TL;DR
Milvus 混合检索的加权融合分数 = 0.7 * dense_score + 0.3 * sparse_score，理论最大值约 0.7。如果用 min_similarity=0.7 过滤，结果几乎全被剔除。解决方案：将阈值降到 0.3，或根据融合策略动态调整。
问题现象
混合检索返回空结果，即使数据库中明确存在相关文档：
# 调用混合检索
results = await milvus_service.hybrid_search(
collection_name="knowledge_base",
query_dense=dense_vector,
query_sparse=sparse_vector,
top_k=5,
min_similarity=0.7 # 问题根源
)
# 返回空数组 []
print(results) # {"documents": [[]], "metadatas": [[]], "distances": [[]]}
日志显示检索到了结果，但过滤后为空：
fused_results before filter: 10, scores: [0.52, 0.48, 0.45, ...]
min_similarity threshold: 0.7
fused_results after filter: 0, scores: []
根因
混合检 索使用加权融合（Weighted Fusion）而非 Reciprocal Rank Fusion（RRF）：
def _fuse_and_rank(self, dense_results, sparse_results, top_k):
semantic_weight = 0.7 # 语义权重
keyword_weight = 0.3 # 关键词权重
for result in dense_results:
similarity = 1 - distance
score = similarity * semantic_weight # 0.7 * score
for result in sparse_results:
similarity = 1 - distance
score = similarity * keyword_weight # 0.3 * score
# 同一文档的分数相加
final_score = dense_score + sparse_score
数学分析：
- 假设 dense 和 sparse 的相似度最大值都是 1.0
- 融合分数最大值 =
0.7 * 1.0 + 0.3 * 1.0 = 1.0 - 但实际中 sparse 分数通常较低（0.3-0.5），因为关键词很难完全 匹配
- 实际最大分数约 0.5-0.7
用 min_similarity=0.7 过滤，相当于要求"完美匹配"，结果自然为空。
解决方案
方案一：降低阈值（推荐）
# config.py
class Settings(BaseSettings):
rag_min_similarity: float = 0.3 # 混合搜索分数阈值（加权分数通常较低）
方案二：动态阈值
根据检索类型使用不同阈值：
# 混合检索用较低阈值
if search_type == "hybrid":
min_similarity = 0.3
else:
min_similarity = 0.7 # 纯语义检索可用较高阈值
方案三：归一化融合分数
将融合分数归一化到 [0, 1]：
def _fuse_and_rank(self, dense_results, sparse_results, top_k):
# ... 融合逻辑 ...
# 归一化：除以权重和
max_possible_score = self.semantic_weight + self.keyword_weight # 1.0
for doc in doc_scores.values():
doc["score"] = doc["score"] / max_possible_score
return sorted_docs[:top_k]
FAQ
Q: 为什么混合检索分数比纯语义检索低？
A: 混合检索的分数是加权和，而非单纯的相似度。语义检索返回的是 0-1 的余弦相似度，而混合检索的分数是 0.7*dense + 0.3*sparse，即使两部分都是 1.0，最终也只有 1.0。但实际中 sparse 分数通常较低，导致总分偏低。
Q: RRF（Reciprocal Rank Fusion）和加权融合有什么区别？
A: RRF 基于排名位置计算：score = 1/(k+rank)，与原始相似度无关。加权融合直接用相似度分数加权，更直观但需要调整阈值。Milvus 原生支持加权融合，RRF 需要自己实现。
Q: 阈值设为 0.3 会不会引入低质量结果？
A: 需要结合业务场景测试。0.3 是一个经验值，如果发现结果质量下降，可以：
- 提高到 0.4-0.5
- 在应用层做二次过滤
- 使用 LLM 对结果做相关性打分