多跳问题需串联多个事实，单次检索无法获取未出现在候选集中的证据。本文介绍查询分解方法：先检索原问题，由LLM阅读结果并生成下一个子问题，再次检索，循环至信息齐全或达到跳数上限。随后用倒数排名融合（RRF）合并各跳结果，避免丢失串联证据。文中给出Python实现，并讨论k值影响及交错、最高分等替代融合方式，建议仅对多事实问题使用。

本文介绍了如何使用Qdrant Cloud构建混合语义搜索引擎。用户可以通过云推理自动嵌入数据，结合稠密语义嵌入和稀疏BM25关键词，并利用倒数排名融合（RRF）进行搜索。文章详细说明了初始化客户端、创建集合、添加数据和设置查询的步骤，最终根据相关性检索最相似的结果。