Reranker（重排序器）
先用一句话说清楚
Reranker（重排序器）会对初步检索结果再次排序，把更可能支持答案的片段排到前面。
实战知识卡
| 维度 | 要点 |
|---|---|
| 项目里看什么 | 看初步召回后是否需要重新排序来提高证据质量。 |
| 新手最该记住 | 重排序器（Reranker（重排序器））解决的是“召回到了很多，但最相关的不在前面”。 |
| 作品集证据 | 展示同一问题在无重排和有重排下的前 5 个证据差异。 |
| 面试回答公式 | 先说向量召回和重排分工，再说何时值得增加成本。 |
| 常见扣分点 | 把重排当万能答案质量提升器，却不看资料质量和问题类型。 |
新手通俗解释
RAG（检索增强生成）第一次检索通常会找出一批“可能相关”的片段，但这些片段不一定都能回答问题。Reranker（重排序器）就像第二轮筛选官：它拿用户问题和候选片段逐个比较，把最相关、最能支持答案的片段排前。
它不是必须出现在每个小项目里，但在企业知识库、长文档、相似资料很多的场景里，经常能明显提升进入 Context Window（上下文窗口）的证据质量。
为什么智能体工程师岗位会问它
面试官问 Reranker（重排序器），是在看你是否理解 RAG（检索增强生成）的检索质量不是“召回越多越好”。真正重要的是最后进入模型上下文的片段是否能支持回答。
常见考察点：
| 考察点 | 应该怎么讲 |
|---|---|
| 作用 | 从候选片段中重新排序，提升证据质量 |
| 位置 | 通常在向量检索或混合检索之后、生成之前 |
| 代价 | 会增加成本和延迟 |
| 适用场景 | 资料多、片段相似、召回噪声高 |
| 评估 | 看最终引用支持率和回答正确率 |
它在项目里到底怎么用
一个常见 RAG（检索增强生成）流程是：
| 阶段 | 作用 |
|---|---|
| 初步召回 | 用向量检索、BM25（关键词相关性排序算法）或 Hybrid Search（混合检索）找出较多候选片段 |
| 重排序 | 用 Reranker（重排序器）按问题和片段相关性重新排序 |
| 截断选择 | 只把排名靠前、来源可信、权限允许的片段放进上下文 |
| 生成回答 | 让模型基于最终片段回答并附 Citation（引用来源） |
Reranker（重排序器）通常不单独解决权限和资料质量问题。权限过滤、版本过滤和资料治理仍然要做。
和向量检索的区别
向量检索适合快速从大量资料中找候选，Reranker（重排序器）适合对候选做更精细判断。可以理解为：向量检索负责“先找一批可能相关的”，重排序负责“从这批里挑更能回答问题的”。
面试时可以说：我会根据数据量、延迟要求和质量要求决定是否加 Reranker（重排序器），不会默认所有场景都加。
常见误解
| 误解 | 为什么不对 | 正确理解 |
|---|---|---|
| 加 Reranker（重排序器）一定更好 | 会增加延迟和成本 | 要看场景和评估结果 |
| Reranker（重排序器）能解决所有检索问题 | 资料差、分块差、权限错仍然会失败 | 它只优化候选排序 |
| 召回少一点无所谓 | 候选里没有正确片段，重排也没用 | 初步召回要有覆盖率 |
| 排第一就一定能回答 | 相关不等于支持结论 | 还要看 Citation（引用来源）和答案支持度 |
面试官可能怎么追问
1. 什么时候需要 Reranker（重排序器）？
考察点： 是否懂适用场景。
参考回答： 当资料量大、相似片段多、向量检索召回噪声高、用户问题复杂、引用准确性要求高时，我会考虑加 Reranker（重排序器）。如果是小资料库或低延迟强要求场景，可能先不用，等评估显示需要再加。
容易扣分： 说“所有 RAG（检索增强生成）都必须加”。
2. Reranker（重排序器）为什么会增加延迟？
考察点： 是否理解流程成本。
参考回答： 因为它要对用户问题和多个候选片段进行二次相关性判断，候选越多，计算越多。工程上可以控制候选数量、只在复杂问题启用、缓存结果或分层使用。
容易扣分： 只说“因为模型慢”，没有讲候选数量和策略。
3. 如果加了 Reranker（重排序器）效果仍不好怎么办？
考察点： 是否会回到完整链路排查。
参考回答： 我会检查资料质量、Chunk（分块）策略、Embedding（嵌入向量）模型、初步召回数量、关键词检索是否缺失、权限过滤是否过严、用户问题是否需要改写，以及评估样例是否覆盖真实问题。
容易扣分： 继续盲目换重排模型。
作品集里怎么展示它
可以展示一个“检索结果对比”：
- 初步检索前 10 个片段。
- Reranker（重排序器）重排后的前 3 个片段。
- 哪些片段最终进入 Context Window（上下文窗口）。
- 最终答案引用了哪些片段。
- 加重排前后的引用支持率变化。
这种展示比只写“使用重排序”更有面试说服力。