政策快报平台上线初期，搜索功能很简单：用户输入关键词，系统在标题和正文里做关键词匹配。
效果很差。搜“补贴”出不来“专项资金”，搜“专精特新”出不来“小巨人”。
用户的搜索词是口语化的，政策文件是书面化的。两者之间有一道鸿沟。
后来我们做了一系列改造，从关键词检索到语义检索，再到混合检索。今天复盘这个过程。
3个阶段
阶段一：关键词检索（Elasticsearch）
方案：用Elasticsearch做全文检索，对标题和正文建倒排索引。查询时按TF-IDF/BM25相关性排序。
问题：词不匹配就搜不到。
用户搜“补贴”，政策里写的是“专项资金”——匹配不上，出不来结果。
用户搜“小巨人”，政策里写的是“专精特新”——同样匹配不上。
这个阶段，搜索点击率只有30%左右。用户经常搜不到想要的东西，然后流失。
优化尝试：加同义词词典——“补贴”映射到“专项资金、补助、后补助、奖励”，“专精特新”映射到“小巨人、隐形冠军、单项冠军”。效果有限，同义词覆盖不全，新词、生僻词无法及时补充。
阶段二：语义检索（向量检索）
方案：引入向量检索。用Sentence-BERT将用户查询和政策文本分别编码为向量，计算余弦相似度，按相似度排序。
效果：语义匹配。搜“补贴”能出“专项资金”，搜“小巨人”能出“专精特新”。
搜索点击率从30%涨到了50%左右。
新问题：向量检索吃资源。每次查询需要实时计算向量相似度，CPU消耗高；索引构建时间长，新政策入库后无法立即被搜到；语义检索有时过于“发散”，搜“专精特新认定”会匹配到一些相关性不高的政策。
阶段三：混合检索（ES + 向量检索）
方案：BM25 + 向量检索，两种得分加权融合。精确匹配（发文字号、政策名称）走ES，语义匹配走向量检索，两者按权重合并排序。
效果：既保证了精确匹配（搜“国发〔2026〕1号”能精确命中），又保证了语义泛化（搜“补贴”能出“专项资金”）。
搜索点击率从50%涨到了60%左右。
几个关键的技术决策
决策一：为什么不用单一向量检索？
向量检索擅长语义泛化，但不擅长精确匹配。用户搜“国发〔2026〕1号”这种精确的发文字号时，向量检索的泛化能力反而成了干扰。
混合检索取两者之长：精确匹配走ES，语义匹配走向量。
决策二：同义词词典还要不要？
要，但角色变了。
之前同义词词典是“主力”，现在是“辅助”。向量检索能解决大部分语义泛化问题，同义词词典只作为“兜底”，覆盖向量模型训练数据中没有覆盖到的特殊词汇（如最新政策术语）。
决策三：向量模型的选择
我们试用过OpenAI的embedding接口，准确率高但延迟大，每次查询都要调用外部API，响应时间不稳定。最终选择了开源的Sentence-BERT多语言模型，在政策领域数据上做了微调。
结尾
搜索的核心价值：让用户“能找到自己想找的东西”。关键词→语义→混合，每一次演进都在缩小用户表达和文件表达之间的差距。
政策快报平台的搜索系统还在持续优化，方向是让用户用最自然的方式表达需求，系统能理解并返回最匹配的政策。
技术选型有取舍，平衡了准确性、召回率、响应时间和成本。目前ES做精确匹配兜底，向量做语义泛化覆盖，两者结合覆盖了绝大多数搜索场景。
