用途：该技能提供把向量相似度搜索与关键词搜索结合的模式，用于在 RAG 系统、搜索引擎等场景中提高检索召回。当查询包含姓名、编码等精确词，或领域词汇导致纯向量搜索漏召回时尤为适用。
主要能力：给出混合检索架构，即查询同时进入向量搜索与关键词搜索，各自产生候选，再经融合（Fusion）输出结果。列出四类融合方法：RRF（Reciprocal Rank Fusion，通用）、Linear（加权求和，可调节平衡）、Cross-encoder（神经模型重排，质量最高）、Cascade（先过滤再重排，注重效率）。每个方法均标注其最佳适用场景。
使用方式：资料未提供具体安装或调用命令，仅说明完整模板库与详细示例位于 references/details.md，需要在具体实现时读取该文件。
最佳实践：建议经验性调优权重并在自己的数据上测试；追求简单可用 RRF；加入重排以提升质量；记录两种分数便于调试；做 A/B 测试衡量真实用户影响。应避免：假设一套权重适用所有查询；跳过关键词搜索；过度取回候选导致延迟；忽略空结果、单词查询等边界情况。
限制：资料未提供支持的平台、语言、依赖或收费信息。