待验证50% 置信解决方案精确时间
RAG的pipeline分为切块、向量化、混合检索、重排四步，混合检索叠加BM25关键词，重排用Cross-Encoder
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
Agent开发八步法：从踩坑到生产落地的实战路径
bilibili吴恩达langchain2026/7/11
相关事实
待验证Dify 在 RAG 管道中支持混合检索（向量检索 + BM25 关键词检索，通过 RRF 算法融合）以及 Reranker 重排序78% 相似待验证生产环境中的 RAG 通常结合向量语义搜索与 BM25 关键词搜索的混合检索策略，再通过 Reranker 模型对候选结果精排以提升召回质量67% 相似已验证进阶RAG方案引入了查询改写（Query Rewriting）、假设文档嵌入（HyDE）、多路召回融合（Hybrid Search结合BM25稀疏检索与向量稠密检索）和交叉编码器重排序（Cross-Encoder Reranking）等技术67% 相似待验证重排序使用Cross-Encoder模型对初步检索召回的候选文档逐对打分，精排出Top-K送入LLM65% 相似待验证本地代码搜索层流程分五步：切分代码、双路搜索并行、进一步压缩、追踪调用关系、打分过滤64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489718API
curl https://kongchang.com/api/v1/knowledge/claims/489718MCP
get_claim(id=489718)