一个真实在用的个人知识库（Obsidian，记了四年的概念笔记、读书笔记、日记摘录和博客），公开部分放到线上。问一个问题，它先在 两万多 个笔记块里混合检索，再重排、带出处地回答；库里没有的，它会说没有。下面把每一步的分数都摊开了。
这一问在线上实际走过的每一步，上面的动画就是按这些数字放的。蓝底的行是最后放进提示词、给模型看的块。
余弦：问题向量和块向量的相似度（bge-m3）。BM25：字面检索的分（中文两字切词）。混合分：两者各自换成 z 分（离平均值几个标准差）后按 1 : 0.15 相加，空壳块（不到 12 个字）减 3，过 1.5 才算候选。重排：bge-reranker-v2-m3 把问题和块成对打的相关度（0–1），候选按它重新排序。
检索的打分口径和我本地 Obsidian 插件「第二大脑」是同一套（同一份代码移植过来），本地那套先用评测集调过；线上版补上了重排、生成和生成评测。
在这份公开语料上单独建的评测集，召回和生成分开评。