Azure AI Search混合语义搜索得分过低问题排查求助

问题背景 #

• 创建了包含向量字段与语义配置的Azure AI Search索引，索引内共30个文档
• 目标文档标题与查询语句完全一致，普通全文搜索得分为13分，但混合语义搜索时该文档虽排名第一，得分却远低于4分的RAG阈值
• 混合搜索代码同时启用了向量查询（匹配ContentVector和TitleVector）与语义搜索配置

核心原因拆解 #

1. 多维度得分的加权逻辑 #

Azure AI Search的混合搜索中，向量相似度得分（0-1区间的小数）与全文/语义得分（绝对值）是分开计算后再加权合并的。如果未显式调整权重，向量得分的占比会被绝对值较大的全文得分稀释，最终合并总分远低于纯全文搜索的得分。

2. 多向量字段的查询冲突 #

你的查询同时针对ContentVector和TitleVector两个向量字段：

• 查询语句是完整标题，与TitleVector的相似度极高，但ContentVector基于长文本生成，和短标题查询的相似度偏低
• 多向量字段查询时，Azure Search默认会取多个向量得分的最小值或平均值，直接拉低整体向量得分，进而影响混合搜索的最终得分

3. 语义搜索的得分机制 #

语义搜索的得分（0-4分制）是在向量/全文搜索返回的候选集上重新排序，不会直接叠加原始的BM25得分。如果混合搜索中语义得分的权重配置不合理，或者候选集筛选逻辑导致高BM25得分的文档在向量环节被拉低，最终总分就会偏低。

4. 嵌入模型的一致性问题 #

若生成查询嵌入的模型，与生成TitleVector/ContentVector的模型不一致（包括模型版本、维度ModelDimensions），向量相似度会大幅降低，直接导致向量得分极低。另外，长文本嵌入（ContentVector）与短查询嵌入的相似度本身就低于短标题与短查询的相似度，也会拉低整体向量得分。

优化建议 #

• 调整向量查询字段：仅针对TitleVector查询（因查询语句为标题），或给不同向量字段设置权重（如TitleVector权重设为2，ContentVector设为1）
• 显式配置混合搜索权重：在SearchOptions中设置HybridSearchBoost，或通过VectorQuery的Boost参数提升向量得分的占比
• 拆分查看各维度得分：在返回结果中查看@search.score（混合得分）、@search.vectorScore（向量得分）、@search.semanticScore（语义得分），定位拉低总分的具体环节
• 验证嵌入模型一致性：确保查询嵌入与文档嵌入使用同一模型、相同维度，避免向量不匹配

内容的提问来源于stack exchange，提问作者JamesP