Fri Jul 24 2026 08:00:00 GMT+0800 (China Standard Time)·2 min readAI Architecture吃透 AI Agent 开发
Context Engineering 与 Memory
语义相似不等于任务相关：检索排序怎么做
召回质量需要结合关键词、元数据、业务意图和精排模型，单一相似度无法覆盖真实问题。
#RAG#Rerank#Search
向量相似度回答的是“表达是否接近”，而业务检索要回答“这条内容能不能解决当前任务”。商品型号、渠道、时效和租户过滤往往比泛化语义更重要。
混合检索
先用向量和关键词扩大候选集，再用元数据做硬过滤，最后使用 Rerank 模型结合问题和候选内容精排。评测时不要只看相似度，要看 Top-K 命中、证据完整度、最终回答正确率和延迟。
项目落点
售前 Agent 使用 HNSW 混合检索、Metadata 过滤和轻量 Rerank，针对商品专有名词动态调整权重。销售模型项目通过 Cross-Encoder 精排，让命中内容更接近真实业务需求。
结论
检索优化最终要以任务成功率为目标，而不是以向量距离更漂亮为目标。