用途：该技能提供将向量相似度搜索与关键词搜索结合的模式，用于提升检索效果。适用场景包括构建召回率更高的 RAG 系统、结合语义理解与精确匹配、处理含特定术语（人名、代码）的查询、改善领域专有词汇搜索，以及纯向量搜索漏掉关键词匹配时。
核心概念：混合搜索架构为查询同时进入向量搜索与关键词搜索，各自产生候选结果，再经融合（Fusion）输出最终结果。融合方法包括：RRF（倒数排名融合，通用）、Linear（分数加权求和，可调平衡）、Cross-encoder（神经模型重排，质量最高）、Cascade（先过滤再重排，注重效率）。完整模板库与详细示例位于 references/details.md，需要具体模板时阅读该文件。
最佳实践：建议经验性地调优权重并在自有数据上测试；为简单起见使用 RRF，无需调参即可较好工作；加入重排以显著提升质量；记录两种分数便于调试；进行 A/B 测试衡量真实用户影响。避免假设一套参数通用（不同查询需要不同权重）；不要跳过关键词搜索（其更擅长精确匹配）；不要过度获取（需平衡召回与延迟）；不要忽略边界情况（空结果、单词查询）。
限制：资料未提供具体安装命令、依赖、代码示例或平台支持信息，暂未提供。