BM25 与向量各取 50 条用 RRF 融合，k 用默认 60，实测前 10 条几乎全来自向量那一路，关键词精确命中的条款被压到 30 名往后。
一开始怀疑是「k 偏大时头部差异被压平，弱势那路的贡献更小」，查了一圈，方向不对。
真正麻烦的地方在于，几个原因的现象几乎一样。RRF 只看排名不看分数，单路排名靠前的文档天然占优。另一种情况是两路候选数相同但分布不同，一路更集中在头部。
还有一种情况，融合后没去重，同一文档在两路都出现被重复计数。
动手时先分别看两路前十条的重合度
python -c "a=set(range(10));b=set(range(5,15));print(round(len(a&b)/len(a|b),3))"随后把 k 调到 10 再融合对比
python -c "s={};[s.__setitem__(d,s.get(d,0)+1/(10+r)) for r,d in enumerate(range(5))];print(sorted(s.items(),key=lambda x:-x[1])[:3])"给两路加权后再排序
python -c "print(round(0.4*(1/(60+2))+0.6*(1/(60+1)),5))"末了用评测集对比不同 k 的命中率
python -c "import pandas as pd;print(pd.read_csv('rrf_eval.csv').groupby('k').hit10.mean())"别只看报错消失，验证要多做一步。融合后前十条能覆盖关键词精确命中的条款，hit@10 从 0.62 升到 0.78，两路贡献比例接近配置权重。
RRF 不需要分数归一化，但也就丢了强度信息，业务里该实测加权分数融合和 RRF 哪个更稳。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。