相似度只是"像不像"，不等于"该不该排前面"
向量检索默认按相似度排序，但用户在真实场景里要的是有用，而有用至少还取决于四件事：
- 时效：三年前的方案可能已经过时；
- 权威：官方文档 > 二手转述；
- 覆盖：命中三句和一个完整章节，价值差很多；
- 多样性：五条结果讲同一件事，等于只有一条。
一个可用的排序公式
把排序做成加权和（权重可调、可回归）：score = w1·相似度 + w2·时效 + w3·权威 + w4·覆盖度。
- 相似度归一化到 0~1；
- 时效用指数衰减（例如半衰期 180 天，可配置）；
- 权威用来源等级表（官方 1.0 / 论文 0.8 / 社区 0.5 …），等级表要人工定，不要模型猜；
- 覆盖度可以用命中长度占比或段落完整度。
关键：权重是配置而不是散在代码里的魔法数字，这样能版本化、能回归。
去重与多样性
- 先做近似去重（同一段落被切成多块时，只留最好的那块）；
- 再做多样性重排：同一来源/同一主题最多占前 N 位（MMR 思路）；
- 结果里标注来源与时间，让用户能自己判断可信度。
常见错误
- 只调相似度阈值：阈值高→召回差，阈值低→噪声多，永远调不到满意；
- 把权威度交给模型打：模型对"哪个来源更权威"经常没有稳定判断，应由人工维护等级表；
- 忽略时间：在快速变化的领域，旧文档排第一会直接损害信任；
- 没有多样性的硬约束：重排模型自己也常把同类结果排一起。
怎么验证排序改动
固定 30~50 个真实问题，人工标注"前 5 条里是否有真正有用的"：
- 记录改动前的命中质量；
- 只改一个因子（例如加时效）；
- 用同一批问题复跑，比较"前 5 条有用率"与"重复率"；
- 记录权重配置与结果，便于回滚。
排序优化的收益通常比换检索模型更大，而且成本低得多。