大模型-BM25 与向量检索：核心区别与混合方案

BM25 与向量检索：核心区别与混合方案

BM25 和向量检索不是二选一的关系，而是互补的两种检索方式：BM25 靠字面关键词匹配，擅长精确命中；向量检索靠语义相似度，擅长理解意思。实际系统里通常把两者结合起来做混合检索，效果比单用任何一路都好。

核心区别

1. BM25（稀疏检索）：基于词频和逆文档频率的统计模型，通过倒排索引快速找到包含查询词的文档。它看的是"字面"，搜"TS-8300"就精确匹配"TS-8300"，对型号、编号、代码这类精确信息非常可靠。

2. 向量检索（稠密检索）：用 Embedding 模型把文本映射成高维向量，通过余弦相似度衡量语义距离。它看的是"意思"，搜"怎么退烧"能召回"发热了怎么办"，即使字面完全不重合。

各自擅长什么

场景	BM25	向量检索
产品型号、订单号、报错码	✅ 精确命中	❌ 容易混淆相近编号
同义改写、口语化表达	❌ 词汇鸿沟	✅ 语义泛化
否定表达（如"不需要显卡"）	✅ 词项直接匹配	❌ 否定成分被稀释
长尾语义查询	❌ 基本抓瞎	✅ 能理解意图

一个经典例子：搜"JK-2048-B 型继电器"，BM25 能