Busca híbrida é a técnica que combina dois sinais de recuperação: busca por significado, feita com embeddings, e busca por palavras-chave, feita com algoritmos como o BM25. Ela existe para que a primeira lista de candidatos pegue tanto a pergunta parafraseada quanto o código exato do modelo. Depois, um reranker pode reordenar essa lista.
O que é busca híbrida, em termos simples?
Imagine duas redes de pesca lançadas ao mesmo tempo. Uma tem malha larga e pega peixes parecidos com o que você descreveu, mesmo que você tenha errado o nome. A outra tem malha fina e só segura o que bate exatamente com a palavra que você usou. Sozinha, cada rede deixa escapar algo. Juntas, trazem mais.
A documentação da Qdrant, um banco de dados vetorial, descreve a busca híbrida exatamente assim: ela abre uma rede ampla de recuperação para maximizar a cobertura por caminhos diferentes. Essa é uma fonte técnica sobre uma ferramenta específica. Ela explica o mecanismo, mas não diz como o ChatGPT, o Gemini ou o Perplexity montam suas respostas, e nós não sabemos quais deles usam essa combinação.
Como funciona o lado denso?
A recuperação densa usa embeddings, vetores numéricos que representam significado. Uma pergunta como "fone que isola barulho de avião" pode encontrar uma página que fala em "cancelamento ativo de ruído", sem que nenhuma palavra coincida. Nós explicamos a ideia em Embedding: definição e o que muda para páginas de produto.
Como funciona o lado esparso?
A recuperação esparsa, nesse tutorial, usa o BM25, um modelo baseado em palavras. Segundo a página, ele pontua documentos por relevância do termo, frequência do termo, tamanho do documento e quão comum o termo é em todo o conjunto. Uma palavra rara, como o código de um modelo, pesa mais do que uma palavra comum.
Aqui está a intuição que importa para o catálogo: o código "XYZ-1000" é um termo raro. Se a consulta traz esse código, a busca por palavras tem tudo para encontrar a página que o contém, enquanto a busca por significado pode tratar dois códigos parecidos como quase iguais. É uma inferência nossa a partir da descrição do BM25, não algo que a página afirme sobre produtos.
Como as duas listas viram uma só?
No tutorial, cada ramo recupera os 20 melhores candidatos, e o Reciprocal Rank Fusion, o RRF, funde as duas listas. Por padrão, o RRF dá o mesmo peso aos dois sinais e, segundo a página, não considera relações mais finas entre termos.
O que é reranking e por que ele vem depois?
Reranking é uma segunda passada de pontuação. Um modelo mais caro roda apenas sobre um conjunto pequeno de candidatos que um método mais rápido já recuperou. A página explica que isso mantém a latência baixa e ainda faz subir os resultados mais relevantes.
No exemplo do tutorial, um modelo de interação tardia, o ColBERT, representa pergunta e documento como vários vetores, o que permite comparar termo a termo. A ordem reranqueada pode diferir bastante da ordem do RRF: um livro do exemplo saiu da terceira posição para a primeira. É um aviso útil: o que sobe depende de quem faz a segunda leitura.
O que a busca híbrida muda para uma página de produto?
Tudo abaixo é implicação nossa, não regra de nenhum assistente.
- Escreva o nome exato do modelo como texto. Se o código só aparece em imagem ou em trecho montado por JavaScript, o lado esparso não o encontra. Veja Renderização JavaScript: o que os bots de IA enxergam.
- Escreva também a descrição em linguagem natural. O lado denso depende de frases que reflitam como as pessoas perguntam.
- Mantenha um mesmo nome em todos os lugares. Variações do código entre feed, página e revendedores diluem o termo raro.
- Dê a cada trecho um assunto claro. Se a segunda leitura compara termos entre pergunta e trecho, um parágrafo que mistura três produtos leva desvantagem. Isso conversa com Chunking: como a IA recorta a sua página de produto.
Busca híbrida garante que meu produto será citado?
Não. Recuperar uma página é um passo antes de a resposta ser escrita, e o modelo ainda decide o que citar. Além disso, páginas legíveis não são o mesmo que páginas recomendadas, e os resultados variam por modelo, prompt e dia. Para entender o passo seguinte, leia Grounding em IA: como respostas citam páginas reais.
O que levar daqui
- Busca híbrida combina significado (embeddings) e palavras-chave (BM25) para ampliar a cobertura.
- O BM25 valoriza termos raros, como o código exato de um modelo.
- O RRF funde as listas, e o reranking reordena um conjunto pequeno com um modelo mais caro.
- Escreva o código do modelo e a descrição natural em texto, com o mesmo nome em todos os canais.
- A fonte descreve uma ferramenta, não o funcionamento de um assistente específico.
Perguntas frequentes
Busca híbrida é o mesmo que reranking?
Não. A busca híbrida monta a lista de candidatos com dois sinais. O reranking é uma segunda pontuação, mais cara, aplicada sobre um conjunto pequeno já recuperado.
O que é BM25?
É um modelo de pontuação por palavras. Segundo a documentação consultada, considera a relevância e a frequência do termo, o tamanho do documento e a raridade do termo no conjunto.
Os assistentes de IA usam busca híbrida?
Não encontramos confirmação pública que nos permita afirmar isso para um assistente específico. O que lemos descreve o mecanismo em uma ferramenta de banco vetorial.
Para ver se o seu código de modelo e as suas descrições aparecem legíveis para uma IA, rode o diagnóstico gratuito e depois conheça a leitura de prontidão de página na plataforma.