多路检索实战：三通道架构、RRF 融合的数学与一个「均值骗人」的评估教训
· 阅读需 17 分钟
「单路检索不够用，要上多路」——这话现在几乎是共识。但多路到底怎么融合、路怎么选、效果怎么证明，多数文章停在「向量 + 关键词，效果更好」。
这篇想把它做实。我做了一个可复现的三通道检索实验（向量 / 关键词 / 图谱，对应语义、精确、关系三条通道），把 RRF 的公式、k 常数、加权、以及查询路由都跑了一遍，然后用准确率/召回率逐查询拆开看——结果推翻了我自己一开始的预期：
融合的收益被均值严重高估了。 在这个语料上，三路等权 RRF 的平均 nDCG 只比最好的单通道高 1.8%；而在某一类查询上，等权 RRF 反而比单独用图谱通道差了将近一半。
命名说明：你说的「RFF 算法」，业界标准名是 RRF（Reciprocal Rank Fusion，互惠排名融合），本文统一用 RRF。