扣子平台rag知识库需启用混合检索以兼顾语义与关键词匹配，免费版不支持，pro/enterprise版可在检索设置中开启并配置向量权重0.6～0.8、关键词权重0.2～0.4（和为1），且须选用“中文精准分词”器。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在扣子（Coze）平台搭建RAG知识库时，若用户提问“订单号ORD-2024-001的发货状态”，纯向量检索可能返回一堆讲“订单流程”的泛化文档，而纯关键词检索又容易漏掉语义相近但用词不同的描述——混合检索正是解决这一矛盾的核心手段，它让关键词匹配与语义理解在同一查询中并行生效。
确认Bot是否启用混合检索能力
进入Bot编辑页 → 点击左侧「知识库」→ 查看右上角「检索设置」按钮是否可点击。若按钮灰显或提示“当前Bot版本不支持”，需先将Bot升级至Pro或Enterprise版本。免费版Bot【不支持混合检索】，此为硬性限制，无法绕过。
点击「检索设置」后，若弹窗中出现「混合检索」开关及「向量权重」「关键词权重」两栏滑块，则说明当前Bot已具备该能力。
配置混合检索参数
第一步：开启混合检索开关，系统自动启用双路召回机制。
第二步：拖动「向量权重」滑块至0.6～0.8区间。多数中文客服场景下，语义意图比精确词更难捕捉，因此向量分应占主导；但若知识库含大量编号、型号、日期等结构化字段，可降至0.4～0.5。
第三步：拖动「关键词权重」滑块至0.2～0.4区间。该值并非越低越好——当用户明确输入“PO-2024-001”或“发票代码123456789”时，关键词分必须足够高才能压倒语义相似但内容无关的干扰项。
注意：两个权重之和必须等于1。系统未做校验，若手动输入0.7+0.5=1.2，保存后会自动按比例缩放为0.58+0.42，导致实际效果偏离预期。
验证混合检索是否生效
方法一：使用调试面板发起测试查询。
在Bot编辑页右上角点击「调试」→ 输入典型混合型问题，例如：“帮我查Q3财报里提到的AI芯片型号”。观察返回结果顶部是否同时出现两类来源：带「?关键词匹配」标签的条目（如命中“Q3”“财报”“AI芯片”原文段落），以及带「?语义相关」标签的条目（如未出现“AI芯片”但提及“Blackwell架构”“Hopper GPU”的技术白皮书）。
方法二：检查日志中的检索路径。
在调试面板点击「查看详细日志」→ 展开「Retrieval」节点 → 确认日志中同时存在vector_search和keyword_search两个子过程，且各自返回top_k≥3条结果。若仅见其一，说明配置未生效或知识库未正确绑定分词器。
调整分词器以适配中文混合检索
进入知识库管理页 → 点击对应知识库右侧「…」→ 选择「编辑」→ 滚动到底部「高级设置」→ 打开「启用关键词检索」开关。
关键一步：在「分词器类型」下拉菜单中【必须选择“中文精准分词”】，而非默认的“通用分词”。后者会把“iPhone15Pro”切分为“iPhone”“15”“Pro”三个独立词元，导致无法匹配完整型号；而精准分词器能识别常见产品命名规则，保留“iPhone15Pro”作为原子词元。
保存后，系统将自动重建倒排索引，此过程耗时约2～8分钟，期间新上传文档暂不参与关键词检索。
