基于Qdrant构建电商搜索的经验教训
内容提要
构建电商搜索时，混合检索（密集向量+BM25）优于单一方法；过滤应在查询内进行，避免结果稀疏。嵌入文本比模型大小更关键，量化内存可省去重排序。个性化应作用于排序而非检索，商品运营用权重调整。评估需多指标互补，注意分片融合陷阱。
延伸解读
混合检索为何是起点
文章指出，商品搜索天然包含两类需求：精确匹配（如品牌、SKU）和意图匹配（如“适合徒步的保暖衣物”）。BM25擅长前者，密集向量擅长后者，单一方法都会顾此失彼。因此，作者建议在初版搜索中就采用混合检索，而不是等出现相关性投诉后再补救。这提醒我们，检索策略的架构决策应前置，而非事后修补。
过滤位置决定结果质量
过滤操作放在检索前还是检索后，直接影响结果集的完整性。文章用实例说明：先取向量再过滤，严格条件可能让页面只剩少量结果，而更优匹配被排除在候选窗口外。Qdrant在检索过程中应用过滤，确保只对匹配项打分。这提示开发者，过滤与检索的耦合方式需根据引擎能力设计，避免因实现顺序导致体验降级。
嵌入文本比模型大小更关键
一个看似需要更大模型才能解决的排序问题，实际通过调整嵌入输入文本就解决了——将产品类别加入嵌入文本，品牌漂移消失。作者对比了MiniLM和更大模型，后者仅提升2个精度点，却带来4.5倍延迟和3倍内存，甚至引发磁盘溢出。这提醒我们，在追求模型升级前，先检查输入数据的质量，往往成本更低、效果更显著。
评估指标需互补，警惕单一盲区
文章强调，任何评估指标都有盲区。黄金集可能锚定旧模型输出，LLM评判器只能测精度无法测召回。因此，作者构建了多指标组合：LLM评判器测精度、recall@10测召回、intrusion测个性化干扰、persona overlap测区分度。每个指标都弥补前一个的不足。这提醒我们，评估体系应动态演进，明确每个指标的局限，并补充覆盖盲区的指标。
Q&A
在Qdrant上构建电商搜索时，为什么推荐使用混合检索？
因为产品查询同时包含精确词（如品牌、型号）和意图（如“适合徒步的保暖衣物”）。BM25擅长精确匹配，而稠密向量能捕捉语义意图，两者结合（稠密向量+BM25）通过倒数排名融合，能同时满足两种需求，效果优于单一方法。
在Qdrant中，过滤操作应该放在查询内部还是之后？为什么？
过滤应放在查询内部，而不是检索后再过滤。因为如果先检索再过滤，严格的过滤条件可能导致结果稀疏，例如检索100个候选，90个缺货，最终只显示10个结果，而更好的匹配可能刚好在窗口之外。Qdrant在搜索过程中应用过滤，只对匹配的产品进行评分，确保结果完整。
在嵌入文本时，什么比模型大小更重要？
嵌入的文本内容比模型大小更重要。例如，仅使用标题嵌入会导致品牌词主导向量，而加入产品类别后，漂移问题在所有模型上都得到修复。更大的模型只带来微小的精度提升，但代价是更高的延迟和内存占用。
为什么在Qdrant中量化内存后可以跳过重排序？
因为量化（如int8）引入的误差在倒数排名融合中被抵消，重排序带来的收益很小（最多提升2%的召回率），但会显著增加查询时间（4.5到8倍）。因此，在量化内存后，可以跳过重排序以节省时间，而不影响最终结果。
在电商搜索中，个性化应该作用于检索还是排序？为什么？
个性化应作用于排序而非检索。如果作为检索分支，可能会引入与查询无关的结果（如搜索“牛仔裤”返回法兰绒衬衫）。将个性化权重放在排序阶段，可以保持查询意图，同时调整结果顺序，实验表明权重0.45能在保持召回率的同时减少离题项。
商品运营（Merchandising）在Qdrant中如何实现？
商品运营通过一组权重实现，这些权重应用于排名公式中，基于利润、热度、新鲜度、价格、评分和库存等业务信号。通过预设和滑块调整权重，无需部署即可重新调整活动，且服务器会限制权重范围，防止异常值影响管道。
评估搜索相关性时，为什么需要多个指标？
因为每个评估指标都有盲点。例如，黄金集可能锚定旧模型，LLM评判器只能衡量精度而忽略召回。因此，需要结合多个指标，如LLM评判器（精度）、召回率@10、入侵计数（个性化离题项）和人物重叠（个性化区分度），以全面评估搜索质量。
在Qdrant中，分片融合有什么陷阱？如何避免？
陷阱是：如果融合查询嵌套在预取或重排序阶段，每个分片会先本地融合，导致全局融合失效，结果准确性下降。避免方法：保持融合作为主查询，或使用单分片，或检索大量候选后单独应用重排序公式。
