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。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

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】