Full-Text Search（全文檢索）
又稱：全文檢索 · 全文搜索 · 關鍵字搜尋 · BM25 · keyword search
按「字面有沒有出現、出現幾次、有多稀有」來排序的傳統關鍵字檢索，代表算法是 BM25。它不懂意思，只數詞。
你會在什麼時候遇到它
它是向量檢索的互補，不是過時品。查一個確切的錯誤代碼、訂單編號、函式名、罕見專有名詞，向量檢索常常抓不準（因為這些詞在訓練資料裡稀少、embedding 分出差別），全文檢索反而一擊命中。做混合式檢索時，它負責「精確」那一半。
打個比方
像用 Ctrl+F 在一堆文件裡找字：你打什麼字，它就找什麼字，一字不差才命中。它不會「聯想」，你把「番茄」打成「西紅柿」它就找不到 —— 但這正是它的優點：要精確時，精確得可靠。
最小範例
查詢：「錯誤碼 ERR-4032 怎麼處理」
全文檢索（BM25）：
直接命中所有出現 "ERR-4032" 這串字的文件 → 精準
向量檢索：
"ERR-4032" 是個罕見 token，embedding 幾乎沒學過，
可能把它和 "ERR-4031"、"ERR-5000" 當成差不多 → 抓錯
實務：兩者一起用（混合式檢索），再用 rerank 收束關鍵在這句：全文檢索命中「字」，向量檢索命中「意思」。錯誤代碼、型號、人名這類「字面對了才算對」的查詢，是全文檢索的主場。這也是為什麼成熟的 RAG 很少只用向量，幾乎都是混合式。
最常搞錯的地方
- 以為「有了向量檢索就不需要關鍵字了」。恰恰相反：向量擅長意思相近，卻常在精確標識符上失手；兩者互補，不是取代。
- 以為全文檢索「懂」你在找什麼。它完全不懂語義，只是統計詞頻與稀有度；所以同義改寫、錯字、語序不同，它都可能漏掉 —— 那是向量檢索的強項。