20260625:很多新内容

concepts/hybrid-recall-pipeline.md

@@ -0,0 +1,42 @@
+---
+title: "Hybrid Recall Pipeline (BM25 + Dense)"
+created: 2026-06-24
+updated: 2026-06-24
+type: concept
+tags: ["information-retrieval", "hybrid-search", "bm25", "dense-retrieval", "rrf"]
+sources:
+  - "[[atlas-agent-memory-architecture-2026]]"
+---
+
+# Hybrid Recall Pipeline
+
+Atlas 记忆系统的混合召回管线：BM25 词法检索 + Dense 语义检索双通路并行，经 RRF 融合和 Cross-encoder 重排序后返回 top-K。
+
+## 四阶段管线
+
+1. **Verbatim Pre-Recall**：用户原话不经 LLM 改写，保护精确 token
+2. **双通路并行检索**：
+   - BM25：multi_match 跨 text/title/name/description/trigger_text，text 权重 2×
+   - Dense：Jina v5 embeddings + ES semantic_text knn
+3. **RRF 融合**：rank_constant=30（强信号权重），window_size=max(80, k×8)
+4. **Cross-encoder 重排序**：Jina v2 reranker 逐对评分 top-80 → top-K
+
+## Ablation 贡献分布
+
+| 组件 | 贡献 |
+|------|------|
+| Dense-only | 0.845 |
+| BM25-only | 0.708 |
+| Full (hybrid) | 0.89 |
+| Reranker (单点) | -0.238 |
+
+## 关键设计决策
+
+- **BM25 不能省略**：版本号/错误码/人名等精确 token 只有词法检索能抓到
+- **Dense 是主力**：语义意图如"数据库偏好"在文档中无直接匹配
+- **Query expansion 反效果**：BM25+ dense 已覆盖精确和语义，LLM paraphrasing 引入噪音
+
+## 参考
+- [[atlas-agent-memory-architecture-2026]]
+- [[bm25-financial-retrieval]]
+- [[verbatim-pre-recall]]