双通道检索获得结果后的后续处理(Rerank 重排序)
上一篇我们讲了父块提升，把子块级别的短片段提升为上下文更完整的父块证据。现在候选列表里的文档已经有了足够的上下文，但排序还是基于 RRF 融合分数和父块分数。这一篇我们来看最后的精排阶段——Rerank 重排序，用跨编码器模型重新评估每个文档与子问题的相关性，把真正最相关的文档排到最前面。
Rerank 重排序
// 对父块候选再做 rerank，把与当前子问题最相关的内容排到更前面。
List<Document> rerankedCandidates = applyRerank(subQuestion, parentCandidates, usedChannels);
我们来看 applyRerank 方法的实现：
/**
* 对候选文档执行 rerank。
*
* @param subQuestion 当前子问题
* @param candidates 待重排候选
* @param usedChannels 已使用通道集合
* @return 重排后的候选列表
*/
private List<Document> applyRerank(String subQuestion,
List<Document> candidates,
List<String> usedChannels) {
if (!properties.isRerankEnabled() || candidates.isEmpty()) {
// 未开启 rerank 或没有候选时，直接返回原顺序。
return candidates;
}
// rerank 本身也视作一种"通道 / 能力"使用，需要在调试和落库中体现。
markUsedChannel(usedChannels, RetrievalChannelEnum.RERANK.getName());
return rerankPostProcessor.process(new Query(subQuestion), candidates);
}
这个方法本身很简单：先判断是否开启了 rerank，如果开启了就调用 rerankPostProcessor.process 执行实际的重排序。同时把 rerank 标记为"已使用通道"，方便调试页面展示。
关键逻辑在 rerankPostProcessor.process 里面，它的实现类是 HttpDocumentRerankPostProcessor。
什么是 Rerank？
Rerank（重排序）是一个精排阶段。前面的向量检索、关键词检索、RRF 融合都属于"召回 + 粗排"，它们的目标是从海量文档中快速筛出一批可能相关的候选。但"可能相关"不等于"真的相关"，粗排阶段难免会混入一些不太对的文档。
Rerank 的作用就是：拿到粗排后的候选列表（通常 10-20 个），用一个更强大的模型逐一精细评估每个文档和问题的相关性，然后重新排序。
粗排 vs 精排的区别：
- 粗排（向量检索 / 关键词检索）：用的是双编码器（Bi-Encoder）。问题和文档分别编码成向量，然后算余弦相似度。优点是快（可以预计算文档向量），缺点是问题和文档之间没有交互，理解能力有限。
- 精排（Rerank）：用的是跨编码器（Cross-Encoder）。把问题和文档拼在一起，让模型同时看到两者，逐 token 交互计算相关性。优点是理解能力强，缺点是慢（每对问题-文档都要跑一次模型）。
打个比方：粗排像是看简历筛人，只看关键词和学历匹配不匹配；精排像是面试，把候选人叫过来一个一个聊，深入了解是否真的合适。
为什么要 Rerank？
我们用一个具体场景来说明。假设用户问的是："Spring Boot 中如何配置 HikariCP 的最大连接数？"
经过向量检索 + 关键词检索 + RRF 融合后，候选列表可能是这样的：
| 排名 | 文档内容摘要 | 为什么被召回 | 实际相关性 |
|---|---|---|---|
| 1 | Spring Boot 自动配置原理，包括 DataSource 的自动装配流程 | 向量语义相似（都在说 Spring Boot + 数据源） | 中 |
| 2 | HikariCP 连接池参数详解：maximumPoolSize、minimumIdle、connectionTimeout | 关键词命中（HikariCP、连接） | 高 |
| 3 | Spring Boot 中使用 Druid 连接池的配置方法 | 向量语义相似（Spring Boot + 连接池配置） | 低 |
| 4 | application.yml 中 spring.datasource.hikari.maximum-pool-size 的配置示例 | 关键词命中（HikariCP、配置） | 高 |
| 5 | Spring Boot 启动流程与 Bean 生命周期 | 向量语义相似（Spring Boot 相关） | 低 |
可以看到：
- 排名第 1 的文档讲的是自动配置原理，和"如何配置最大连接数"关系不大
- 排名第 3 的文档讲的是 Druid 连接池，用户问的是 HikariCP
- 排名第 5 的文档讲的是启动流程，完全不相关
但粗排阶段很难区分这些细微差别，因为它们在语义上都和"Spring Boot 数据源"沾边。
经过 Rerank 之后，跨编码器模型会把问题和每个文档拼在一起仔细分析，结果变成：
| 新排名 | 文档内容摘要 | Rerank 分数 | 原排名 |
|---|---|---|---|
| 1 | application.yml 中 spring.datasource.hikari.maximum-pool-size 的配置示例 | 0.95 | 4 |
| 2 | HikariCP 连接池参数详解：maximumPoolSize、minimumIdle、connectionTimeout | 0.91 | 2 |
| 3 | Spring Boot 自动配置原理，包括 DataSource 的自动装配流程 | 0.42 | 1 |
| 4 | Spring Boot 中使用 Druid 连接池的配置方法 | 0.28 | 3 |
| 5 | Spring Boot 启动流程与 Bean 生命周期 | 0.12 | 5 |
Rerank 把真正回答了"如何配置最大连接数"的文档（原排名第 4）提到了第 1 位，把讲 Druid 的文档（和问题无关）压到了第 4 位。
付费内容提示
该文档的全部内容仅对「JavaUp项目实战&技术讲解」知识星球用户开放
加入星球后，你可以获得：
- 超级八股文：100万+字的全栈技术知识库，涵盖技术核心、数据库、中间件、分布式等深度剖析的讲解
- 讲解文档：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的从0到1的详细文档
- 讲解视频：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的核心业务详细讲解
- 1 对 1 解答：可以对我进行1对1的问题提问，而不仅仅只限于项目
- 针对性服务：有没理解的地方，文档或者视频还没有讲到可以提出，本人会补充
- 面试与简历指导：提供面试回答技巧，项目怎样写才能在简历中具有独特的亮点
- 中间件环境：对于项目中需要使用的中间件，可直接替换成我提供的云环境
- 面试后复盘：小伙伴去面试后，如果哪里被面试官问住了，可以再找我解答
- 远程的解决：如果在启动项目遇到问题，本人可以帮你远程解决
