> ## Documentation Index
> Fetch the complete documentation index at: https://docs.memorose.dev/llms.txt
> Use this file to discover all available pages before exploring further.

# 混合检索

> Memorose 如何组合语义、文本、图谱和时间维度的检索信号。

# 混合检索（Hybrid Search）

Memorose 的检索结合了多种信号，而非依赖单一搜索路径。

## 检索过程

1. 对查询进行向量嵌入（Embedding）
2. 对已存储的记忆单元执行向量检索（Vector Retrieval）
3. 通过 Tantivy 执行文本检索（Text Retrieval）
4. 可选的图谱扩展（Graph Expansion），使用 `graph_depth`
5. 可包含共享的组织知识（Organization Knowledge）
6. 将结果合并为一个排序后的响应

## API 示例

```bash theme={null}
curl -s -X POST "http://127.0.0.1:3000/v1/users/user_123/streams/$STREAM_ID/retrieve" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "org_id": "default",
    "agent_id": "coding-assistant",
    "query": "How should I help this user with Rust async work?",
    "limit": 10,
    "enable_arbitration": false,
    "min_score": 0.2,
    "graph_depth": 2
  }'
```

## 常用过滤参数

* `org_id`：包含组织范围的共享知识
* `agent_id`：偏向某个智能体的程序性记忆（Procedural Memory）
* `start_time` 和 `end_time`：有效时间过滤（Valid-time Filtering）
* `as_of`：事务时间点过滤（Point-in-time Transaction Filtering）
* `graph_depth`：从直接匹配的记忆扩展到相关的图谱上下文

`enable_arbitration` 是单次请求层面的检索选项，不会选择服务端 reranker 模式。weighted、arbitrator 或 HTTP reranking 需要在 `[reranker]` 或 `MEMOROSE__RERANKER__*` 环境变量中配置。

## 混合检索优于单模式检索的场景

* 偏好和用户画像召回
* 事实性与程序性混合查询
* 同时需要精确词匹配和语义相似度的查询
* 需要利用图谱邻居或组织知识的检索