大模型检索入门双塔vs单塔收藏这份保姆级指南助你轻松入门本文深入解析RAG系统中双塔与单塔检索架构的原理、优缺点及实战应用。双塔通过分离Query和Doc编码实现快速召回但精度不足单塔联合编码捕捉细粒度语义精度高但计算成本高。两者结合的两阶段检索架构兼顾效率与精度是提升检索质量的关键。文章适合对大模型和AI检索感兴趣的小白和程序员学习附赠收藏级学习资源包在平时的学习过程中我都会将与 ChatGPT 之间的对话整理对应的知识文档但是这却给我带来了一个难题。本来是想研究 A 这个问题但是由此却衍生出了 B、C、D 等问题而对于每一个问题的探究几乎都可以梳理总结成一篇文章。以往都是让 ChatGPT 先总结成文章然后我自己再进行修改原因就是内容不成体系、逻辑不够严谨。但是久而久之这就变成了一种负担想着不整理吧又觉得可惜整理吧又太费时间。于是这两天开始下定决心要学习使用 Claude Code 来解决这个问题。在经过让它看我过去写的10篇文章总结我的行文风格100多轮交互以后终于调教了一个可用的 Skill。后续只需要将 ChatGPT 初步总结素材丢个它它就能生成与我风格相仿的文章。以下所有文本内容均由千问驱动 Claude Code 生成插图由 Gemini 根据 Claude Code 提供的文本生成。很多人第一次搭建 RAG 系统时都会有一个疑问既然 Embedding 模型能把文本变成向量为什么还要再加一个 Rerank 模型刚开始你可能觉得Rerank 模型大概就是锦上添花的东西有它没它区别应该不大。但真正用过之后你会发现加不加 Rerank检索结果的质量简直是两个世界。这背后的原因涉及到 RAG 检索架构中一个非常核心的设计。今天我们就来把它一次讲透。1 什么是双塔结构双塔Bi-Encoder是 RAG 系统中最常用的检索架构也是几乎所有向量数据库的底层基础。理解双塔的工作原理是理解整个 RAG 检索机制的第一步。1.1 双塔结构思想原理双塔的核心思想可以用一句话概括Query 和 Doc 分开编码最后在向量空间中计算相似度。例如在 RAG 应用开发中我们会先通过 Embedding 模型也就是 Encoder将所有的离线文档都转换成向量存入到向量库中。当用户提问时我们再将 Query 通过 Embedding 模型将其转换成向量然后同向量库中的向量进行相似度比较。离线阶段Doc → Encoder → 向量 d存入向量库查询阶段Query → Encoder → 向量 q → 与向量库比较 → 返回相似文档同时对于相似性的度量常用的有Cosine 相似度、Inner Product或L2 距离。你可以把整个过程想象成图书馆的图书检索系统每本书都有一个编号向量读者查询时先拿到查询词的编号然后在书架上找编号最接近的书。图 1. 双塔检索流程图【插图双塔检索流程图】左侧展示离线阶段多篇文档通过 Encoder 转换成向量后存入向量数据库右侧展示查询阶段用户 Query 通过同一个 Encoder 转换成向量与库中向量进行相似度比较最终返回最相似的文档。1.2 双塔结构的优势说完了工作原理我们自然要问为什么双塔结构能支撑百万级甚至更大规模的数据检索这得益于它的一个关键设计文档向量可以提前离线计算好并存入向量数据库查询时只需计算一次 Query 向量然后在向量索引中做近似搜索ANN。这意味着时间复杂度可以从线性的O(N)降低到接近O(log N)。举个例子如果你有 100 万篇文档使用双塔结构时系统可以在对数级别的时间内找到最相关的文档而不用逐一比较 100 万次。这也是为什么你的 RAG 系统能够秒级响应而不是等待几分钟。向量数据库天生适配双塔结构。Milvus、Chroma、Weaviate 等所有主流向量数据库的底层都是这个逻辑。1.3 双塔结构的不足不过双塔结构也有明显的局限性这也是为什么它不能单独使用的原因。问题在于Query 和 Doc 在编码时彼此不知道对方。换句话说没有交叉注意力机制。模型只能把整段文本压缩成一个固定长度的向量一旦压缩完成细粒度的匹配信息就会丢失。举个例子假设你的知识库中有一篇文档讲的是苹果公司 2024 年的财报数据当用户搜索苹果营收时双塔结构可能会把这篇文档排在后面因为它在编码时无法捕捉到苹果和苹果公司的细粒度对应关系它只能基于整体语义的粗略匹配。所以你会发现只用双塔检索时结果往往是看起来相关但不够精准。2 什么是单塔结构说完了双塔我们再来看单塔结构是怎么解决精度问题的。单塔Cross-Encoder是另一种常见的架构通常用于 Reranking 场景。它的做法与双塔完全不同。2.1 单塔结构思想原理双塔是分开编码而单塔是将 Query 和 Doc拼接在一起输入模型进行联合编码。具体来说我们会把 Query 和 Doc 的文本拼接成一个序列格式为[CLS] Query 文本 [SEP] Doc 文本然后通过 Embedding 模型进行编码最后输出一个相关性分数。输入[CLS] 用户问题 [SEP] 候选文档 [SEP] ↓ Transformer 联合编码 ↓ 相关性分数0 到 1 之间你可以把单塔理解成一个专业的审稿人它会仔细阅读问题和文档的每一个字然后判断这篇文档是否真的回答了问题。2.2 单塔结构的优势单塔结构最大的优势在于表达能力强能够捕捉细粒度的语义匹配。在 Cross-Encoder 中Query 的每个 token 可以关注 Doc 的每个 token这是完整的交叉注意力机制。这意味着模型可以学习到精确的短语对齐、细粒度的语义匹配、上下文的补全以及逻辑关系的判断。还是刚才的例子当用户搜索苹果营收文档中写的是Apple Inc.的年收入时单塔模型能够理解苹果和Apple Inc.是同一个实体营收和年收入是同一个概念从而给出更高的相关性分数。而双塔结构由于是分开编码很难捕捉到这种细粒度的语义对应。这种表达能力远强于双塔结构。2.3 单塔结构的缺陷然而单塔结构也有一个致命问题这导致它无法单独用于大规模检索。问题是计算成本过高不可扩展。假设有 100 万文档如果用 Cross-Encoder必须对每一个文档都跑一次完整的 Transformer 前向传播复杂度是O(N)。这意味着100 万次计算在工程上几乎不可用。想象一下每次用户发起查询你都要让模型跑 100 万次即使用上最好的 GPU响应时间也会达到秒级甚至分钟级这在实际应用中是完全无法接受的。图 2. 单塔与双塔计算量对比【插图单塔与双塔计算量对比】左侧双塔结构100 万文档只需计算 1 次 Query 向量右侧单塔结构100 万文档需要计算 100 万次用堆叠的 Embedding模型数量直观展示计算量差距。3 双塔单塔如何配合说到这里答案已经很明显了双塔和单塔各有所长也各有所短。那双塔能解决规模问题但精度不够单塔能解决精度问题但规模不行该怎么办工业界的标准答案是两者配合采用两阶段检索架构。3.1 两阶段架构思想这就是为什么你总会看到Embedding 加 Rerank的组合本质就是双塔加单塔。第一阶段的 Embedding 模型双塔负责从海量文档中快速召回一批候选保证不漏掉相关内容第二阶段的 Rerank 模型单塔负责对这批候选进行精确排序保证排在前面的真的是最相关的。这种设计思路和传统搜索引擎几乎一模一样先用倒排索引快速召回一批候选网页再用 PageRank 等算法进行精排。3.2 两阶段架构优势第一阶段100 万文档 → Top 50 候选双塔召回O(log N)第二阶段Top 50 候选 → Top 5 结果单塔精排O(50)第一阶段双塔召回从 100 万文档中快速筛选出 Top 50 候选目标是保证召回率并控制计算成本第二阶段单塔精排对 Top 50 候选进行精确排序输出 Top 5 最终结果目标是提升排序精度并修正语义偏差。这种架构兼顾了效率和精度既能秒级响应又能保证结果质量。图 3. 两阶段检索漏斗图【插图两阶段检索漏斗图】顶部宽口漏斗标注 100 万文档经过第一层双塔召回收缩到 Top 50 候选再经过第二层单塔精排输出 Top 5 结果。左侧标注时间复杂度从高到低的变化右侧标注从召回率优先到精度优先的转变。3.3 单双塔的本质差异从信息流的角度来看双塔和单塔的本质差异可以概括为两句话双塔是先压缩再比较。单塔是先交互再判断。双塔的本质是语义压缩匹配它将文本压缩成向量后再进行相似度计算单塔的本质是相关性函数学习它直接学习 Query 和 Doc 之间的相关性函数。压缩意味着信息丢失交互意味着表达能力更强。这就是两者精度差距的根源也是为什么必须两者配合的原因。3.4 实践指导理解了原理最后来回答一个实际问题你的 RAG 系统该怎么选如果你的文档规模超过1 万有向量数据库需要在线检索那么一定要用双塔做召回。这是毫无疑问的因为你不可能用单塔去处理百万级的文档。但如果你的系统出现以下情况说明该考虑加入单塔精排了检索结果看起来相关但不精准LLM 回答引用错 chunk相似度排序质量一般这些问题的根源都在于双塔的语义粗匹配特性无法做到精确判断。高质量 RAG 系统几乎都包含 Embedding 模型双塔和 Reranking 模型单塔两者缺一不可。4 总结双塔解决的是如何在海量数据中快速找到可能相关的内容。单塔解决的是这些候选内容里哪一个真的回答了问题。一句话带走双塔负责规模单塔负责精度双塔保证能找到单塔保证找得对。## 最后近期科技圈传来重磅消息行业巨头英特尔宣布大规模裁员2万人传统技术岗位持续萎缩的同时另一番景象却在AI领域上演——AI相关技术岗正开启“疯狂扩招”模式据行业招聘数据显示具备3-5年大模型相关经验的开发者在大厂就能拿到50K×20薪的高薪待遇薪资差距肉眼可见业内资深HR预判不出1年“具备AI项目实战经验”将正式成为技术岗投递的硬性门槛。在行业迭代加速的当下“温水煮青蛙”式的等待只会让自己逐渐被淘汰与其被动应对不如主动出击抢先掌握AI大模型核心原理落地应用技术项目实操经验借行业风口实现职业翻盘深知技术人入门大模型时容易走弯路我特意整理了一套全网最全最细的大模型零基础学习礼包涵盖入门思维导图、经典书籍手册、从入门到进阶的实战视频、可直接运行的项目源码等核心内容。这份资料无需付费免费分享给所有想入局AI大模型的朋友扫码免费领取全部内容部分资料展示1、 AI大模型学习路线图2、 全套AI大模型应用开发视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 大模型学习书籍文档4、AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、大模型大厂面试真题整理了百度、阿里、字节等企业近三年的AI大模型岗位面试题涵盖基础理论、技术实操、项目经验等维度每道题都配有详细解析和答题思路帮你针对性提升面试竞争力。6、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。学会后的收获• 基于大模型全栈工程实现前端、后端、产品经理、设计、数据分析等通过这门课可获得不同能力• 能够利用大模型解决相关实际项目需求 大数据时代越来越多的企业和机构需要处理海量数据利用大模型技术可以更好地处理这些数据提高数据分析和决策的准确性。因此掌握大模型应用开发技能可以让程序员更好地应对实际项目需求• 基于大模型和企业数据AI应用开发实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能 学会Fine-tuning垂直训练大模型数据准备、数据蒸馏、大模型部署一站式掌握• 能够完成时下热门大模型垂直领域模型训练能力提高程序员的编码能力 大模型应用开发需要掌握机器学习算法、深度学习框架等技术这些技术的掌握可以提高程序员的编码能力和分析能力让程序员更加熟练地编写高质量的代码。扫码免费领取全部内容这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】