混合检索（BM25 + 向量）：为什么 GEO 内容既需要关键词也需要语义覆盖

混合检索是大多数 RAG 系统采用的检索方式，同时使用传统的 BM25 关键词匹配和向量语义检索，然后合并结果排序——这意味着你的内容必须在两个通道上都有竞争力。

通俗理解

你在一个城市找餐厅。同时用两种方式搜：

方式一（BM25）： 打开地图，搜”川菜馆”三个字。只有店名或描述里包含”川菜馆”的才会出现。

方式二（向量检索）： 告诉一个美食顾问”我想吃辣的、有花椒味道的中餐”。顾问根据语义理解，可能推荐川菜馆、湘菜馆、甚至一家做麻辣火锅的店——虽然这些店名里可能没有”川菜馆”三个字。

混合检索就是同时用这两种方式搜，然后把两份结果合在一起排序。

只做关键词优化，向量检索通道会漏掉你。只做语义覆盖，BM25 通道会漏掉你。两个都做，才能在合并排序中拿到最高分。

BM25（Best Matching 25）是信息检索领域的经典算法，核心逻辑是：查询中的关键词在文档中出现得越多（但有递减效应）、在其他文档中出现得越少（稀有性加分），文档的 BM25 得分就越高。

BM25 的优势是精确匹配——用户搜”iPhone 16 Pro Max 价格”，包含这个完整短语的页面会获得高分。
BM25 的劣势是无法理解语义——”iPhone 16 Pro Max 售价”和”苹果最新旗舰手机多少钱”在 BM25 看来是两个完全不同的查询。

向量检索的原理在上一篇文章中已经详细讲过：通过比较查询向量和内容向量的语义距离来匹配，不依赖字面重叠。

向量检索的优势是语义理解——”装修公司”和”家装服务”能匹配上。
向量检索的劣势是可能遗漏精确查询——用户搜一个非常具体的型号名称时，纯语义匹配可能不如精确关键词匹配准。

大多数 RAG 系统同时运行两种检索，用加权方式合并结果。典型的做法是：

这意味着如果你的内容在两个通道都排名靠前，合并后的得分会远高于只在一个通道排名靠前的竞品。

写完一篇内容后，做两个测试：

测试一（模拟 BM25）： 用 Ctrl+F 搜索你的核心关键词。标题、H1、首段是否都出现了？如果某个核心关键词全文只出现了一次甚至零次，BM25 通道可能会漏掉你。

测试二（模拟向量检索）： 列出用户可能问这个话题的 5 种不同说法。检查你的内容是否覆盖了至少 3 种以上的表达方式。如果全文只用了一种说法，向量覆盖面太窄。

混合检索对应《让AI替你说话：GEO权威指南》35 条策略中的策略 08（多路召回·多检索路径）：让内容在多种检索路径上都能被找到。

它也是策略 01（BPE 分词·核心关键词）和策略 02（Embedding·语义场覆盖）的实操交叉点——两条策略分别优化 BM25 和向量检索两个通道，混合检索是它们协同发挥作用的场景。