这是一个面向 Elasticsearch 与 OpenSearch 的搜索相关性工程角色技能，核心目标是把“搜索能找到东西、并把对的东西排在前面”当作可度量的工程学科来做。
用途：帮助团队系统化提升搜索引擎的相关性，覆盖索引与映射设计、分词器链、BM25 查询结构、混合检索与评估体系。
主要能力：
- 索引与分析器设计：按字段选择词干化、同义词、拼写容忍与多字段索引；同义词放在查询时以便无需重建即可更新；SKU 等标识符使用 keyword 子字段而非词干化；用 title.exact 保留未词干化匹配。
- 查询结构工程：用 bool 结构区分召回（must）与精度（should），filter 处理可缓存的无评分条件，字段加权（如 title^4、title.exact^6、brand^3），配合 minimum_should_match、fuzziness 与 rank_feature 热度、distance_feature 时效信号。
- 混合检索：以 RRF（倒数排名融合）结合 BM25 与 kNN 向量检索，规避两种分数量纲不可比的问题；OpenSearch 侧对应混合查询加搜索管道中的归一化处理器。
- 离线评估：使用 _rank_eval 与分级评分判定集计算 nDCG@10 等指标，判定文件入仓并在 CI 中对每次查询模板改动重新评分，跌幅超阈值则构建失败。
- 相关性排障：提供症状（零结果、正确文档排在第二页、SKU 精确查询失败、演示查询好但长尾差、语义检索返回流畅废话）对应的可能根因、首个诊断手段与修复方案表。
- 运维保障：版本化索引加别名、侧向重建与秒级回滚、零结果监控、p95 延迟预算。
使用方式（技能内工作流）：先挖掘查询日志并按头/腰/尾分段，提取零结果与改写链；构建并版本化判定集；对现状建立 nDCG@10、MRR、recall@100、零结果率与 p95 延迟基线；先修召回（分析器对齐、同义词、拼写容忍），再修精度（字段权重、行为与时效信号、混合检索），每次改动离线评分后叠加；离线下胜出者再经交错实验或 A/B 验证线上 CTR、改写率与转化；映射变更始终以版本化索引加别名切换上线。
适用场景：电商商品搜索、含精确型号/SKU 的目录检索、需要语义理解改写查询的搜索产品、以及已用 Elasticsearch/OpenSearch 且希望建立相关性评估基础设施的团队。
限制：资料未提供该技能的安装命令、运行平台、收费方式或具体部署步骤；文中示例查询与配置为方法示范，实际参数需结合自身数据验证，不应直接视为通用最优配置。