向量搜索总漏结果？这个 Skill 把关键词检索和语义搜索合一起，效果翻倍
做过 RAG 的同学都知道，纯向量搜索有时候会「词不达意」——用户搜「怎么用 Python 写 API」，向量检索可能返回一堆讲理论的文档，反而漏掉实打实的代码示例。
hybrid-search-implementation 就是来解决这个问题的。
这个 Skill 来自 wshobson/agents 仓库（一个聚合了 181 个 Skill 的超大型 Agent 工具箱），专门教 AI 怎么把向量检索 + 关键词检索揉在一起，取长补短。
核心思路不复杂：Query 同时走两条路——向量搜语义、关键词搜字面——然后用 Fusion 方法把结果合并。合并的方式有四种可选：
- RRF（Reciprocal Rank Fusion）：最通用，不用调参，按排名融合
- Linear：线性加权，可调权重，平衡语义和精确匹配
- Cross-encoder：质量最高但最慢，用神经模型重排
- Cascade：先过滤再重排，适合追求效率的场景
官方还给了现成的模板，覆盖 PostgreSQL+pgvector、Elasticsearch dense vectors、以及纯 Python 管道，直接复制改改就能用。
适合谁用？做企业搜索、RAG 问答系统、或者搜索效果一直调不好的团队。尤其是法律、医疗、金融这些术语密集的场景——向量搜「股息政策」可能匹配不到，但关键词一搜一个准，两者叠加才能既懂意思又抓得准。
这个 Skill 安装也方便，npx skills add 一行搞定，也可以手动把 SKILL.md 拖进项目。
想让你的 AI 搜索从「经常漏结果」变成「靠谱还精准」，这个 Skill 值得试试。
GitHub 链接：https://github.com/wshobson/agents/tree/main/plugins/llm-application-dev/skills/hybrid-search-implementation
评论区
0 条评论
登录后可评论。