# 生产召回能力分层

> 单一分数（如「4/9」）会掩盖真实情况。真正有用的问题是：
> **什么形态的查询能用、什么不能用、为什么。**

数据来源：生产库快照 `/var/tmp/ha-probe/fresh.db`
（2026-10-03 `.backup`，1294 entities → 2686 块，chineseclip 512 维 + 中心化）

## 四种形态

| # | 形态 | 例 | 能力 | 机制 |
|---|---|---|---|---|
| 1 | **带精确串** | 「本机 13010 端口」 | ✅ **强** | 符号路精确串命中 → 布尔置顶 → 排第一 |
| 2 | **领域词 + 上下文** | 「从零开发 QQ 插件用什么工具链」 | ✅ **可用** | 向量召回 + 中文符号滑窗 |
| 3 | **纯泛化描述** | 「公网地址是什么」 | ❌ **弱** | 向量给不出区分（排名 389/2686） |
| 4 | **库里没有** | 「grafana 监控面板的端口」 | ⚠️ **会编造** | 纯中文查询拒答判据失效 |

## 各形态的实测依据

### 形态 1：精确串（强）

```
查询「本机 13010 端口对应什么」
  召回  13010/13011 而非 12011   [+符号 2: 精确2]
        http://127.0.0.1:13010
  基线  纯向量下这条连 top2000 都进不去
```

**机制**：`SymbolScore` 的 `exactHit` 是布尔信号，直接置顶
（`Score = 1.0 + VectorHit*0.01`），不参与加权和 —— 否则
满分会被 0.3 的符号权重稀释成 0.3，输给 0.33 符号分的噪声块。

### 形态 2：领域词（可用）

```
查询「脚本路径改到哪个目录了」        ✓ 命中 11 个含该词的块
查询「从零开发 QQ 插件用什么工具链」   ✓ 命中 plugindev 那条
查询「agentmail 公网访问地址是什么」  ✘ 命中的是「AgentMail地址格式」等
```

前两条靠中文符号滑窗（2~4 字窗口）+ 向量召回。

### 形态 3：纯泛化描述（弱）—— 主要瓶颈

```
查询「agentmail 公网访问地址是什么」  目标块排名 452
查询「公网地址」                     目标块排名 389
查询「对外的服务地址」                目标块排名 297
查询「101.201.37.155 是哪台机器」      目标块排名  58   ← 带 IP
```

★ **排名随查询的"可词法化程度"剧烈变化（452 → 58）**：
  带上 IP 后降到 58，说明起作用的主要是词法信号，语义贡献极小。

**根因**：目标块是裸值，没有任何可供语义匹配的文本：

```
http://101.201.37.155:8083/     ← 无描述词
```

**已试过并否定**（见 `vector-provider-decision.md`）：
给裸值块追加中性描述反而更差（排名 26 → 96，噪声稀释原值信号）。

### 形态 4：库里没有（会编造）

```
[abstention] grafana 监控面板的端口   ✘ 召回 CPU总线/MAR-MDR（0.84+）
[abstention] kafka broker 地址        ✘ 召回 read_thread/sdk站
[abstention] 数据库容灾演练          ✘ 召回 读写代码/追调用链
```

**拒答判据只对含精确串的查询有效**：

```
拒答 ⟺ 查询含精确串 ∧ 该精确串在全库零命中
豁免 ⟺ 含泛指词 ∨ 无可提取符号 ∨ 纯中文（判据不成立）
```

纯中文的零命中**分不清「真没有」与「滑窗伪词提取失败」**：

```
「grafana 监控面板的端口」 → [grafana 监控面板]   库里真没有
「本机服务监听哪些端口」   → [本机服务 监听哪些]   库里有 13010/8081
```

两者符号形态完全一样，库规模（3 块 vs 1391 块）也不是区分信号。

## 运维结论

**能用**：

- 带 IP/端口/路径/版本号的查询（运维最常见）
- 领域词 + 具体上下文

**不能指望**：

- 「XX 是什么」这类泛化描述（除非用户已知道值）
- 纯中文的「库里没有」检测（系统会编造，需人工/上游确认）

## 待补的能力

| 缺口 | 已排除的方案 | 可行方向 |
|---|---|---|
| 形态 3 | 统一追加中性描述（实测更差）、chineseclip（词法主导） | ① 给每个值配**真实**上文（哪条命令/哪次排障产生）② 换 Qwen3-VL 测同义改写 |
| 形态 4 | 分数阈值（间隔 0.047，n=4 是运气）、纯中文符号判据（伪词不可分） | 需能分词的中文提取（jieba 词边界与块文本对不齐，需新实验） |

## 复现

```bash
PROD_SNAPSHOT=/var/tmp/ha-probe/prod.db \
  go test -tags onnxruntime ./internal/memory/ -run 'TestProbe_生产规模召回' -v

# ha-c（测试库，83% 可拆率）的对照
go test -tags onnxruntime ./internal/memory/ -run 'TestProbe_端到端召回' -v
```

⚠️ 两个库的可拆率差 7.5 倍（生产 11% vs 测试 83%），
**ha-c 上的分数不能推广到生产**。