在 PostgreSQL 中构建混合搜索引擎：BM25 + 向量检索
内容提要
该课程介绍如何在 PostgreSQL 内构建生产级混合搜索，无需 Elasticsearch 等外部集群。它结合关键词匹配与向量语义检索，用 RRF 在 SQL 中合并排序结果，并以 24 万篇维基百科文章为例，演示 BM25 排序、pgvector 存储 384 维嵌入、查询计划分析，以及 Python、FastAPI 和 Psycopg 后端实现。
延伸解读
混合搜索解决两类查询需求
文章指出，搜索查询通常需要两种不同的检索行为：像“Apollo 13”这样的精确查询依赖关键词匹配，而“自己发光的动物”这类概念查询则适合语义向量搜索。混合搜索同时执行两种策略，并用 RRF 在 SQL 中合并排序结果，从而兼顾精确性和语义理解。
在 PostgreSQL 内实现生产级搜索
该课程演示如何在 PostgreSQL 中构建完整的搜索流水线，无需 Elasticsearch 等外部集群。通过 pg_textsearch 扩展实现 BM25 排序，用 pgvector 和 pgvectorscale 存储 384 维嵌入，并利用 EXPLAIN (ANALYZE, BUFFERS) 分析查询计划，同时保留 ACID 保证。
全栈示例与事务性写入
教程以 24 万篇 Simple English 维基百科文章为数据集，后端使用 Python、FastAPI 和 Psycopg 连接数据库，并实现匹配高亮和单事务文档写入。这展示了如何将混合搜索集成到实际应用中，同时确保索引更新的原子性。
Q&A
如何在 PostgreSQL 中实现混合搜索？
在 PostgreSQL 中实现混合搜索需要结合关键词匹配和向量语义检索。具体步骤包括：使用 pg_textsearch 扩展进行 BM25 排序，使用 pgvector 和 pgvectorscale 存储和检索向量嵌入，然后在 SQL 中使用 Reciprocal Rank Fusion (RRF) 合并两种检索的结果，形成统一的排序列表。
混合搜索相比纯关键词搜索有什么优势？
混合搜索同时执行关键词匹配和语义向量检索，既能处理精确查询（如“Apollo 13”），又能处理概念性查询（如“自己发光的动物”），从而提供更全面的搜索结果。它结合了两种检索方式的优点，提高了搜索的召回率和准确性。
BM25 在 PostgreSQL 中如何实现？
通过 pg_textsearch 扩展实现。该扩展提供了基于语料库的 BM25 排名功能，可以在 PostgreSQL 中直接对文本进行关键词匹配和排序。
向量检索在 PostgreSQL 中如何存储和查询？
使用 pgvector 和 pgvectorscale 扩展来存储和查询向量。课程中演示了存储 384 维的句子嵌入，并利用这些扩展进行高效的向量相似度搜索。
RRF 是什么，在混合搜索中起什么作用？
RRF 是 Reciprocal Rank Fusion 的缩写，是一种将多个排序结果合并为一个统一排序列表的算法。在混合搜索中，它用于在 SQL 中合并 BM25 关键词检索和向量语义检索的结果，生成最终的排名。
这个课程使用了什么数据集和示例？
课程使用包含 24 万篇 Simple English 维基百科文章的数据集作为示例，构建了一个完整的全栈搜索应用。
构建混合搜索需要哪些技术栈？
需要 PostgreSQL 数据库，以及 pg_textsearch、pgvector 和 pgvectorscale 扩展。后端使用 Python、FastAPI 和 Psycopg 进行集成，并实现匹配高亮和单事务文档写入。
