语义搜索排序：从向量召回到业务重排

向量相似度适合找“意思接近”的内容，却不一定把库存状态、权限、时间和商业价值排在前面。搜索产品要把语义相关性和业务规则组合成可调试的排序链。

混合召回

关键词检索负责精确命中名称、编号和错误码，向量检索负责同义表达和自然语言问题。两路结果先归一化分数，再按文档权限、版本和有效期过滤，最后合并去重。

重排处理少量候选

对前几十条候选使用交叉编码器或模型重排，输入 query、标题、摘要和业务字段，不直接把整篇文档发给模型。重排结果保存特征和版本，出现异常时能回放到底是哪一项改变了顺序。

反馈要去偏

点击、停留和收藏可以作为弱监督，但热门结果会获得更多曝光。按查询意图、租户和新旧内容分层统计，加入无点击但成功完成任务的样本，避免只优化点击率。

搜索验收

核心指标包括 Recall@K、首条相关率、任务完成率、零结果率、P95 延迟和索引更新延迟。每次权重或模型变更都与基线对比，保留旧排序策略一键回滚。

参考资料：pgvector 官方实现。