调优 Qdrant 集合前应检查什么
内容提要
调优 Qdrant 集合前，需明确检索目标并建立带标注查询集。先检查向量是否已索引、过滤字段是否有 payload 索引、稀疏向量的 IDF 修饰符和 BM25 avg_len 是否正确，否则结果无效。按症状从低成本开始改动：先调融合方法，再扩检索深度，最后加稀疏预取或重排器。指标决定效果，nDCG、MRR、Recall 各有适用场景。用重采样估计增益区间，并在新查询上验证，避免过拟合。
延伸解读
调优前先确保配置正确
在调整任何参数前，必须验证向量是否已索引、过滤字段是否有 payload 索引、稀疏向量的 IDF 修饰符和 BM25 avg_len 是否正确。这些设置若出错，结果无效，后续基准测试反映的是配置错误而非性能权衡。例如，索引计数不匹配或 avg_len 使用原始词数估计都会导致检索质量下降。
按成本顺序进行调优
从低成本改动开始：先调整融合方法、RRF k 和权重，这些只重新排序已检索的列表，无需重建或新增检索阶段。若症状未解决，再扩大检索深度（如增加 hnsw_ef 或预取限制），最后考虑添加稀疏预取或重排器。重建嵌入模型或量化成本最高，仅在解决实测约束时考虑。
选择与产品体验匹配的指标
nDCG@k 奖励相关结果靠近顶部，适用于排序重要的场景；MRR@k 关注第一个相关结果的位置，适用于单一正确答案的查询；Recall@k 衡量前 k 个结果中相关文档的比例，适用于评估第一阶段检索。不同指标可能选出不同最佳设置，需根据产品目标选择。
用重采样和新鲜查询验证增益
对每个查询的增益进行重采样，计算 95% 置信区间。若区间包含零，则标签无法确立质量提升。在新鲜查询上验证获胜设置，避免过拟合。测试显示，选择设置通常能迁移，但增益会缩小，应报告新鲜查询上的结果。
Q&A
调优 Qdrant 集合前，为什么必须先建立带标注的查询集并选择评估指标？
因为调优的目标是提升检索效果，而带标注的查询集能让你判断改动是否真的带来了提升。如果标注查询无法检测到你追求的改进，就无法区分变化是有效还是噪声。同时，不同的指标（如 nDCG、MRR、Recall）会选出不同的最佳设置，所以必须先根据产品体验选择匹配的指标。
在 Qdrant 中，哪些设置错误会导致检索结果无效，必须在调优前检查？
必须检查：向量是否已索引（比较 indexed_vectors_count 与 points_count）；稀疏向量是否使用了 IDF 修饰符（BM25 或 miniCOIL 需要，SPLADE 不需要）；BM25 的 avg_len 是否设置为正确的平均词元数（需用相同的词干化和停用词设置测量，而非原始词数）；以及所有过滤字段是否都有 payload 索引。这些设置错误不会报错，但会使结果无效。
调优 Qdrant 时，应该按照什么顺序尝试不同的改动？
按照成本从低到高尝试：首先调整融合方法、RRF k 和权重（不增加新检索工作）；然后扩大检索深度，如增加 hnsw_ef、prefetch limit 或 full_scan_threshold；最后才考虑添加新阶段，如稀疏预取或重排器。只有在低成本选项无法解决症状时，才转向更高成本的层级。
在 Qdrant 中，nDCG、MRR 和 Recall 这三个指标分别适用于什么场景？
nDCG@k 奖励排名靠前的相关结果，适用于多个结果之间的排序重要时；MRR@k 衡量第一个相关结果出现的速度，适用于查询只有一个正确答案时；Recall@k 衡量所有相关文档中进入前 k 的比例，适用于评估为下游提供候选的第一阶段检索。选择指标前需考虑每个查询的相关文档数量，因为 Recall@k 受此限制。
如何判断调优带来的增益是真实的，而不是随机波动？
使用重采样方法（如 bootstrap）对每个查询的增益进行有放回抽样，计算平均增益的 95% 置信区间。如果区间包含零，则无法确定质量提升。此外，应在新的查询集上验证选出的设置，避免过拟合。通常需要至少 50 个标注查询才能检测到较大的增益（如 nDCG@10 提升 0.038），而较小的增益需要更多查询。
在 Qdrant 混合搜索中，融合（fusion）应该放在查询的哪个位置？为什么？
融合应放在查询的根级别，这样每个分片返回候选后只融合一次。如果放在预取内部，融合会在每个分片上独立进行，每个分片只融合自己的候选，然后外部查询根据分片本地的融合分数排序。结果会随分片数量和点分布而变化，且不会报错。在单分片集合中，两种位置产生相同排名。
