置信度计算与候选文档选择
上一篇讲完了三层路由（rankScopes、rankTopics、rankDocuments）的详细实现，这一篇我们继续讲解 route 方法的后续步骤，以及回到 prepare 方法的候选文档选择逻辑。
route 方法的后续步骤
第三步：计算置信度
// 最终置信度主要由 top1 和 top2 的相对差距决定。
BigDecimal confidence = resolveConfidence(documentCandidates);
decision.setConfidence(confidence);
resolveConfidence 方法会根据文档候选列表计算置信度：
/**
* 根据文档候选列表估算路由置信度。
*
* @param documents 文档候选
* @return 置信度
*/
private BigDecimal resolveConfidence(List<DocumentRouteCandidate> documents) {
if (documents == null || documents.isEmpty()) {
return BigDecimal.ZERO;
}
double top = documents.get(0).getScore().doubleValue();
double second = documents.size() > 1 ? documents.get(1).getScore().doubleValue() : 0D;
// 置信度并不是绝对分，而是主要体现 top1 相对 top2 的优势程度。
double normalized = top / Math.max(10D, top + second + 5D);
return scoreToBigDecimal(normalized);
}
这个方法的核心思想是：置信度不是看 top1 的绝对分数，而是看 top1 相对 top2 的优势程度。
计算公式：confidence = top1 / max(10, top1 + top2 + 5)
| top1 | top2 | confidence | 说明 |
|---|---|---|---|
| 50 | 10 | 50 / 65 = 0.77 | top1 远超 top2，高置信度 |
| 30 | 25 | 30 / 60 = 0.50 | top1 和 top2 接近，低置信度 |
| 20 | 0 | 20 / 25 = 0.80 | 只有一个候选，高置信度 |
| 5 | 4 | 5 / 14 = 0.36 | 两个候选都很低分，低置信度 |
为什么要这样计算置信度？
如果只看 top1 的绝对分数，可能会误判：
- top1 = 50，top2 = 45：虽然 top1 分数高，但和 top2 差距很小，说明存在歧义
- top1 = 20，top2 = 5：虽然 top1 分数不高，但远超 top2，说明结果比较明确
通过相对差距来计算置信度，能更准确地反映路由结果的可靠程度。
付费内容提示
该文档的全部内容仅对「码力全开」项目实战&技术讲解 知识星球用户开放
加入星球，一次获得完整项目资料、全栈技术知识库和长期答疑服务。
100万+字全栈技术知识库深入讲解技术核心、数据库、中间件和分布式等内容
8套热门的实战项目持续更新的企业级项目覆盖高并发、微服务、数据中台 和 AI Agent 等方向
AI 技术知识大模型面试详解覆盖 AI 模型原理、Agent、RAG、MCP、Skills、Harness 等核心知识点
文档 + 视频两种讲解形式既能系统阅读，也能跟随视频理解核心业务
完整项目实战资料
每套项目均包含从 0 到 1 讲解文档核心业务讲解视频从基础项目到复杂业务场景，项目资料会持续更新。
- 01Nexus Agent AI 智能体
- 02Nexus Agent Pro 完全版
- 03黑马点评Plus
- 04大麦
- 05大麦Pro
- 06大麦AI
- 07流量切换
- 08数据中台
加入后还能获得
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。从学习、面试到项目启动，都可以继续获得支持。
- 1 对 1 解答项目和技术问题都可以提问
- 针对性补充没有讲清楚的内容会继续补充
- 面试与简历指导梳理回答技巧和项目亮点
- 中间件云环境项目依赖可以直接接入使用
- 面试后复盘被问住的问题可以继续交流
- 远程问题解决项目启动问题可协助排查
