用途：在 ByteHouse 数据库上实现全文检索与向量检索的混合检索，通过 RRF（Reciprocal Rank Fusion）重排融合两路结果，提升检索精度。
主要能力：文本向量化（基于豆包文本向量化模型，支持任意长度中文文本）；双索引构建，包括基于 BM25 的全文倒排索引（关键词精召）与基于 HNSW 的向量索引（语义召回）；提供 fulltext_search() 全文检索（返回 BM25 分数）、vector_search() 向量检索（返回余弦相似度分数）、hybrid_search() 混合检索加 RRF 重排；插入文档时经 insert_document()/batch_insert_documents() 自动生成并存储向量；支持单文档向量更新 update_document_embedding() 与批量补全缺失向量的 batch_update_missing_embeddings()。RRF 公式 score = Σ 1/(k+rank)，默认 k=60 可调。
使用方式：先安装依赖 pip install clickhouse-connect volcengine-python-sdk[ark] numpy scipy；配置保存在 ~/.bytehouse_config.json，含 BYTEHOUSE_HOST、BYTEHOUSE_PORT（8123）、BYTEHOUSE_USER、BYTEHOUSE_PASSWORD、BYTEHOUSE_SECURE、BYTEHOUSE_VERIFY、BH_ARK_API_KEY、BH_ARK_BASE_URL、BH_EMBEDDING_MODEL，其中主机地址与密码需用户提供，BH_ARK_API_KEY 为可选（仅 embedding 时用）；执行 source scripts/export_config.sh 导入环境变量。代码位于 scripts/ 目录（embedding.py、hybrid_search_client.py、examples.py）。典型流程：初始化 ByteHouseHybridSearch，调用 create_hybrid_table 建表，insert_document 写入，hybrid_search(query, top_k) 检索。
适用场景：在 ByteHouse 中需要同时兼顾关键词匹配与语义相似的中文检索应用。
限制：主机地址与密码必须由用户提供；其余配置固定；仅使用指定的向量化模型；切换集群需改配置文件；建表依赖 CnchMergeTree 引擎及 inverted、HNSW_SQ 索引；收费、价格与效果指标资料暂未提供。