檢索器¶
這頁能幫你做什麼¶
檢索器 (Retriever) 定義「該怎麼從知識庫 (Knowledge Base) 找出最相關的內容」。同一個知識庫，可以用不同方式搜尋：比對語意（向量）、比對關鍵字，或兩者混合。建立好檢索器後，就能在檢索 (Retrieval) 任務或 Agent 的檢索工具裡指定它，讓系統用你選的策略取回資料。簡單說：知識庫是「資料放哪」，檢索器是「怎麼找」。
開始前¶
前置需求
- 使用 Embedding 或 Hybrid Search 類型時，會用到嵌入模型 (Embedding Model)。可在表單中指定，若不指定則使用系統預設嵌入模型。
- 檢索器要對哪個知識庫生效，是在載入器 (Loader) 設定時把知識庫與檢索器綁在一起，不是在這個表單指定。
操作步驟¶
-
從左側資源選單進入「檢索器」清單頁，點右上角沒有文字的「+」圖示按鈕開啟建立表單。
-
在「名稱」欄輸入名稱。
- 在「類型」選擇檢索方式（Embedding、Keyword 或 Hybrid Search）。不同類型會出現不同欄位，選好後的畫面差異見下方完整欄位說明。上方圖即為選「Embedding」後的樣子。
- 依所選類型填寫專屬欄位（如 Embedding／Hybrid Search 的「嵌入模型」、Hybrid Search 的兩個權重滑桿）。
-
視需要展開「進階設定」，填寫「過濾查詢」等選項；Hybrid Search 的「分數正規化方式」「分數合併方式」也在此區塊。
-
按右上角的「儲存」按鈕完成建立（見步驟 1 圖右上角）。
完整欄位說明¶
主表單先填所有類型共通的「名稱」與「類型」，選好類型後再填該類型專屬的欄位。
共同欄位（不分類型）¶
| 欄位 | 必填 | 預設 | 說明 |
|---|---|---|---|
| 名稱 | 是 | 無 | 檢索器的識別名稱。最多 64 個字，不可用 default 開頭。 |
| 類型 | 是 | 無（需選擇） | 檢索方式，三選一：Embedding、Keyword 或 Hybrid Search。三者的適用情境與專屬欄位見下方三節。建立後無法修改。 |
類型在建立後鎖定
編輯既有檢索器時「類型」為唯讀。需要不同類型請另建一個檢索器。
不確定選哪個類型？
一句話判斷：
- 查詢用詞常和文件用字不同、但意思相近（例如使用者問「怎麼退錢」，文件寫「退款政策」）→ 選 Embedding，比對語意而非字面。
- 查詢是精確的代碼、型號、專有名詞（例如「PRD-2024-A」）→ 選 Keyword，字面命中最準。
- 兩種狀況都會遇到、或一時拿不定主意 → 選 Hybrid Search，把兩者加權合併，最不容易漏。
Embedding¶
把查詢文字轉換成向量，依向量相似度檢索，能處理「語意相近但用字不同」的查詢。
適合：
- 使用者用自然語言提問，用詞和文件常常不一樣（同義、換句話說）。
- 想找「意思相關」的段落，而非剛好含同一個詞的段落。
選「Embedding」後的表單（已展開「進階設定」）：
Embedding 類型的專屬欄位：
| 欄位 | 必填 | 預設 | 說明 |
|---|---|---|---|
| 嵌入模型 | 否 | 系統預設嵌入模型 | 指定用來產生查詢向量的嵌入模型。未指定時使用系統預設模型。可清除。 |
| 過濾查詢 | 否 | 無 | 位於「進階設定」摺疊區塊。以 JSON 指定 OpenSearch 的 query.bool.filter 篩選條件，先過濾再檢索。用法見下方 tip。 |
Keyword¶
用關鍵字匹配檢索，適合結構清晰、詞語具體的查詢——查詢字面要剛好出現在文件裡才會命中。
適合：
- 查詢是精確的代碼、型號、產品編號、專有名詞。
- 文件用字固定、術語一致，使用者也會用一樣的詞來查。
選「Keyword」後的表單（已展開「進階設定」）。和另外兩個類型相比，Keyword 沒有「嵌入模型」欄位（不需要產生向量）：
Keyword 類型的專屬欄位：
| 欄位 | 必填 | 預設 | 說明 |
|---|---|---|---|
| 過濾查詢 | 否 | 無 | 位於「進階設定」摺疊區塊，用法與 Embedding 相同（見下方 tip）。 |
Hybrid Search¶
結合關鍵字匹配與向量相似度，把兩種分數正規化後合併，取得較平衡的結果——語意相近與字面命中兩種文件都能進入結果。
適合：
- 查詢同時可能是自然語言與精確詞彙（例如「PRD-2024-A 的保固條款」）。
- 不確定該偏語意還是偏字面，想兩邊都顧到。
選「Hybrid Search」後的表單會多出兩個權重滑桿，且「進階設定」裡多了「分數正規化方式」與「分數合併方式」：
Hybrid Search 類型的專屬欄位：
| 欄位 | 必填 | 預設 | 說明 |
|---|---|---|---|
| 嵌入模型 | 否 | 系統預設嵌入模型 | 指定用來產生查詢向量的嵌入模型。可清除。 |
| 關鍵字權重 | 是 | 0.5 | 滑桿，範圍 0 到 1、間隔 0.05。關鍵字匹配在混合分數中的權重。 |
| 向量權重 | 是 | 0.5 | 滑桿，範圍 0 到 1、間隔 0.05。向量相似度在混合分數中的權重。 |
| 分數正規化方式 | 是 | Min-Max 正規化 | 位於「進階設定」摺疊區塊。合併兩種分數前的正規化方式，讓兩種分數落在可比較的尺度。選項見下。 |
| 分數合併方式 | 是 | 算術平均 | 位於「進階設定」摺疊區塊。合併關鍵字分數與向量分數的方式。選項見下。 |
| 過濾查詢 | 否 | 無 | 位於「進階設定」摺疊區塊，用法與 Embedding 相同（見下方 tip）。 |
兩個權重怎麼調
「關鍵字權重」與「向量權重」決定混合分數偏向哪一邊：
- 兩者都
0.5（預設）：語意與字面各半，最中性的起點。 - 把「向量權重」調高：更重視語意相近的文件，適合使用者問法很口語、和文件用字差很多時。
- 把「關鍵字權重」調高：更重視含相同詞彙的文件，適合查詢多為精確術語、代碼時。
重點是兩者的比例，不是絕對值：0.8 對 0.2 與 0.4 對 0.1 偏向程度相同。先用預設值跑跑看，覺得結果太發散就加重關鍵字、太死板就加重向量。
「分數正規化方式」怎麼選¶
| 選項 | 適合 | 說明 |
|---|---|---|
| Min-Max 正規化（預設） | 一般情境 | 將分數縮放到同一個範圍，讓關鍵字分數與向量分數更容易比較。 |
| L2 正規化 | 想保留各文件分數相對比例時 | 依分數向量長度縮放，較能保留文件彼此間的分數差距。 |
「分數合併方式」怎麼選¶
| 選項 | 適合 | 說明 |
|---|---|---|
| 算術平均（預設） | 一般情境，最平衡 | 直接平均兩種分數，是最常用的合併方式。 |
| 幾何平均 | 希望「兩邊都高」的文件排前面 | 兩邊分數都高時排名更前；任一邊很低時整體會被明顯拉低。不接受 0 分文件，請確認分數不會為 0 再用。 |
| 調和平均 | 更在意兩邊是否均衡 | 其中一邊偏低時整體下降更明顯。不接受 0 分文件。 |
「過濾查詢」怎麼寫
「過濾查詢」讓你在檢索「之前」先用條件篩掉不要的文件，三種類型都有這個欄位。它對應 OpenSearch 的 query.bool.filter，填一段 JSON 陣列，例如：
- 只查仍有效的文件：
[{ "term": { "active": true } }] - 只查特定分類：
[{ "term": { "category": "FAQ" } }]
留空表示不額外過濾。若該知識庫的 OpenSearch 查詢本身已設過濾條件，會優先套用那組。
檢索器詳細頁¶
建立完成後點進某個檢索器，詳細頁上方有三個頁籤；下圖為「一般」頁籤，可看到 ID、名稱、類型、嵌入模型與目前狀態：
| 頁籤 | 內容 |
|---|---|
| 一般 | 檢索器的基本資料：ID、名稱、類型、過濾查詢、嵌入模型 ID 與狀態。卡片右上角的圖示鈕可進入編輯（）、複製（）或刪除（）。 |
| 依賴資源 | 這個檢索器用到的其他資源（例如 Embedding／Hybrid Search 會用到的嵌入模型）。 |
| 被依賴資源 | 反過來，有哪些資源用到這個檢索器（例如綁定它的載入器）。 |
檢索器沒有「驗證」功能
檢索器詳細頁不提供「驗證憑證／測試連線」按鈕——它不直接連外部系統，要確認它有沒有用，請看下方「使用效果」用實際檢索結果驗證。
使用效果¶
檢索器不能單獨執行，它的效果要「拿去查、查得到」才看得出來。建立好的檢索器會在檢索 (Retrieval) 任務、檢索器 (Retriever) 任務或 Agent 的檢索工具裡被選用，對綁定的知識庫跑出一份相關文件清單。
下圖是一個接了知識庫的 Agent：使用者提問後，Agent 透過檢索工具用檢索器找出相關文件並據此回答——這就是檢索器發揮作用的結果。
三種類型的檢索結果差異
三種類型最直接的差異，是同一個問題、同一個知識庫，分別用 Embedding／Keyword／Hybrid Search 各跑一次，取回的文件會不一樣：
- Embedding 會找回「意思相近、用字不同」的段落；
- Keyword 只找回「字面剛好命中」的段落；
- Hybrid Search 兩種都會出現，並依權重排序。
上方 Agent 檢索效果圖即為檢索器實際發揮作用的樣子。各類型在操作上的差異可參考檢索 (Retrieval) 任務。
下一步¶
- 知識庫 (Knowledge Base)：檢索器要查的資料倉庫。
- 載入器 (Loader)：把知識庫與檢索器綁定並灌入資料。
- 嵌入模型 (Embedding Model)：Embedding／Hybrid Search 所需的模型。
- 排序器 (Ranker)：對檢索結果再做重新排序。
- 檢索 (Retrieval) 任務：在工作流程中實際使用檢索器。