混合检索主要是为了提升大模型的上下文理解和回答的准确性，

因为向量检索更擅长语义的理解，但是对于一些专有名词就难以做到精准匹配。

而关键词检索的特性和向量检索相反，二者正好形成了互补优势，将两者结合能够大幅的提升检索结果的全面性和准确性。

在大模型RAG应用中，混合检索主要通过向量检索将文本转化为高维向量，计算语义的相似度，同时并行基于倒排索引算法等关键词检索来精准地匹配关键词，最后将两种结果通过权重的融合或者重排序模型进行合并，最终输出最优的答案。