知识搜索相关性差，通常不是单一原因造成的：查询词太宽泛、筛选条件没用上、排序依据和当前任务不匹配、文档元数据不规范，都会让无关内容挤进首屏、目标文档排到后面。本文按“先改查询、再加筛选、最后调排序”的顺序给出可执行动作，并说明如何用同一批真实查询做前后对照，判断调整是否真的有效。
要点总览（TL;DR）
- 相关性差先归因：查询表达过宽或口语化、缺少范围与类型筛选、排序依据与任务错位、文档标题标签摘要不规范，四类原因对应不同动作。
- 调整顺序是先改查询、再加筛选、最后调排序：查询补充业务对象与限定词，筛选按空间、类型、时间收窄，排序按任务选择更新时间或相关度。
- 筛选条件叠加过多会漏掉目标文档，每加一个条件都应用样本查询验证；默认排序影响所有使用者，宜小范围试点后再扩大。
- 验证用同一批真实查询做前后对照，观察目标文档位置、首屏命中率与首屏无关结果占比，三个指标同向变化才说明改进可靠。
- 元数据大面积缺失时，先补标题、标签、摘要的收益高于反复调查询，可把字段填写要求纳入文档创建流程。
先记录当前搜索做法与要达成的目标
调整之前先把现状固定下来，否则改完只能凭印象判断好坏。记录的对象是具体的查询行为，而不是笼统的“搜索不好用”。
先写清典型场景与使用人群。例如：新入职的研发人员在知识库中查找接口规范；项目经理查找某类项目的复盘文档；客服人员查找产品故障的处理记录。不同人群的查询习惯和期望结果差别很大，混在一起记录会让后续归因失真。
再挑一组真实查询建立样本。建议从搜索日志或日常反馈中选取10–20条有代表性的查询，逐条记录：查询原词、使用者、当前结果中目标文档出现在第几位、首屏里明显无关的结果有几条。样本要覆盖不同人群和不同文档类型，避免只挑最差的几条。
最后把目标写成可观察的结果，例如：
- 指定查询下，目标文档进入前3条或首屏；
- 首屏无关结果占比从当前水平下降到约定比例；
- 同一查询在不同使用者之间得到一致的目标文档。
这份基线清单是后续所有调整和验证的参照物。目标写成“搜得更准”无法验证，写成“目标文档进入前几条”才能对照。
相关性差的常见来源：查询、筛选、排序与元数据
把“搜不准”拆成四类来源，才能分别处理。实际操作中一条查询往往同时存在两类问题，需要标注主因和次因。
查询表达过于宽泛或口语化
查询词只写了主题词，没有业务对象和限定词，召回范围就会偏移。例如只搜“规范”，命中的可能是代码规范、文档规范、报销规范；口语化表达如“那个上线流程的东西”，与文档中的书面表述不一致，匹配效果自然差。这类问题的特征是：结果数量多、主题分散，目标文档被大量同主题但不同对象的文档淹没。
缺少范围、类型、时间等筛选条件
知识库中往往同时存在多个空间、多个项目、多种文档类型的历史内容。不使用筛选时，搜索结果会把所有空间和所有年份的内容混在一起。典型表现是：目标文档确实存在，但被其他项目或旧版本的同名文档挤到后面。
默认排序依据与当前任务不匹配
默认排序通常偏向相关度或更新时间中的某一项。查找最新版本的制度文件时，按相关度排序可能把旧版高匹配文档排在前面；查找某个经典方案时，按更新时间排序又会把刚创建的草稿顶上来。排序依据与任务目标错位，是“文档明明存在却找不到”的常见原因。
文档标题、标签、摘要等字段不规范
标题写成“会议记录0712”“文档1”，标签缺失，摘要为空，搜索系统能用来匹配的文本就非常有限。这类问题的影响是全局性的：无论怎么改查询和排序，一批元数据残缺的文档都很难被准确召回。
完成归因后，为每条查询样本标注主要成因，形成问题清单。清单的作用是决定后续动作的优先级：元数据问题占比高时，先补字段比反复调查询更有效。
优先改进动作：改写查询、收窄筛选、调整排序
三类动作有先后顺序：先改查询，再加筛选，最后调排序。原因是查询表达决定了召回的基本盘，筛选在召回结果上做减法，排序只改变已有结果的顺序。顺序颠倒会出现“在错误的结果集里反复排序”的情况。
第一步：改写查询表达
在查询词中补充业务对象、限定词、同义词和精确短语。例如把“规范”改为“接口规范 后端”，把口语描述改为文档中可能出现的书面词；对确定存在的固定表述使用精确短语匹配。改写时参考目标文档的实际标题和正文用词，比凭空想同义词更可靠。
第二步：用筛选条件收窄结果集
按空间或知识库范围、文档类型、更新时间、标签等条件缩小结果集。筛选的作用是把“全库搜索”变成“在正确的范围内搜索”。例如限定在某个项目空间内、限定文档类型为制度文件、限定最近一年更新。筛选条件应来自查询场景本身：使用者本来就知道自己要找的是哪个项目、哪类文档，把这些已知条件显式加进去。
第三步：调整排序依据
根据任务选择排序依据：查最新版本按更新时间排序，查经典方案按相关度排序，查特定类型文档可结合文档类型排序。排序调整要针对具体查询场景，而不是全局改默认值。
| 查询样本 | 当前表现 | 主要成因 | 调整动作 | 预期效果 |
|---|---|---|---|---|
| “规范” | 目标文档在第2页 | 查询过宽 | 改为“接口规范 后端”，加精确短语 | 目标文档进入前5条 |
| “上线流程” | 混入其他项目旧文档 | 缺少范围筛选 | 限定项目空间与最近一年 | 无关结果明显减少 |
| “报销制度” | 旧版排在最新版前 | 排序不匹配 | 按更新时间排序 | 最新版进入首屏 |
| “会议记录0712” | 无法被准确召回 | 元数据不规范 | 补标题、标签、摘要 | 按主题词可检索到 |
表格中的效果为演示性预期，实际结果需按后文的对照方法验证。逐条执行后，把每条查询的改法记录在动作表中，便于后续复现和回退。
在团队知识库中落地这套动作时，查询改写和筛选依赖使用者对文档范围、类型、标签的准确认知，元数据维护则依赖文档创建环节的规范。ONES 知识库管理（ONES Wiki）可作为承载文档与字段维护的空间，ONES Assistant 提供全局知识检索能力，并按照权限边界返回结果；具体可用的筛选维度与排序选项以实际产品配置为准。把标题、标签、摘要的填写要求纳入文档创建流程，能让后续的查询与筛选建立在更完整的可检索字段上。
适用前提与代价：哪些调整值得做
这些调整属于使用层面的优化，投入不大，但都有前提条件，需要按优先级取舍。
- 依赖元数据规范程度。查询改写和筛选的效果，建立在文档标题、标签、摘要可用的基础上。元数据大面积缺失时，先补字段的收益高于反复调查询；补字段需要文档创建者和维护者配合，是一项持续性工作。
- 筛选过严会漏召回。范围、时间、类型条件叠加过多，可能把目标文档本身排除在外。收窄筛选时要在“减少无关结果”和“不漏掉目标文档”之间权衡，每加一个条件都用样本查询验证一次。
- 排序调整影响所有使用者。默认排序是全局设置，改动会改变所有人的搜索体验。建议先在小组范围内验证，或针对特定场景使用，确认无副作用后再扩大范围。
- 边界在于使用层面。本文的调整不涉及底层搜索算法实现，也无法解决索引缺失、权限配置错误等系统性问题。若某文档因权限不可见而搜不到，调整查询和排序都不会有效，需要先排查权限与索引。
按“影响面小、可回退、依赖少”的原则排优先级：单条查询的改写成本最低，可立即执行；筛选条件的沉淀可以形成团队约定；排序和元数据规范的调整影响面大，适合小范围试点后再推广。
效果验证：用同一批查询做前后对照
验证的核心是控制变量：固定查询样本，前后使用同一批查询、同一批使用者、相同的观察口径，只改变调整动作。
建议使用如下对照记录表：
| 查询样本 | 调整前目标文档位置 | 调整后目标文档位置 | 调整前首屏无关结果数 | 调整后首屏无关结果数 | 结论 |
|---|---|---|---|---|---|
| 样本1 | 第12位 | 第3位 | 6 | 1 | 保留 |
| 样本2 | 第8位 | 第9位 | 4 | 4 | 回退或换动作 |
观察三类指标：目标文档位置是否前移、首屏命中率（目标文档出现在首屏的查询占比）是否上升、首屏无关结果占比是否下降。三个指标同向变化时，改进结论才比较可靠。
需要注意区分相关性与因果。个别查询变好，可能只是该查询恰好被改写命中，不能直接推断整体相关性提升；样本量太小、只挑容易改的查询，也会高估效果。判断时应看整批样本的分布变化，而不是单条最好或最差的结果。
根据对照结果做三类决定：指标稳定改善的调整保留并固化为团队约定；没有改善或导致漏召回的调整回退；改善不明显的查询重新归因，换一类动作继续尝试。每轮调整后更新基线清单，形成可追溯的优化记录。
常见问题
查询改写后目标文档仍然排在后面，下一步该查什么？
先确认目标文档是否真的被召回。如果结果集里完全找不到它，问题可能出在权限或索引，调整查询和排序都不会有效，需要先排查文档可见范围。如果文档在结果集中但位置靠后，再看排序依据是否与任务匹配，例如查最新版本却按相关度排序。最后检查该文档的标题、标签、摘要是否包含查询所用的关键词，元数据残缺会让匹配分数偏低。
筛选条件加得越多，结果越准吗？
不一定。每个筛选条件都在做减法，叠加过多会把目标文档本身排除在外，尤其是时间范围和空间范围同时收紧时。建议每加一个条件就用样本查询验证一次，确认目标文档仍在结果集中。筛选条件应来自查询场景中使用者本来就确定的信息，例如已知项目空间、已知文档类型，而不是为了减少结果数量而随意添加。
默认排序能不能直接改成按更新时间？
默认排序是全局设置，改动会影响所有使用者的搜索体验。查最新制度、最新版本时按更新时间排序更合适，但查经典方案或历史复盘时，按更新时间排序会把新创建的草稿顶到前面。更稳妥的做法是先在小组范围内验证，或针对特定查询场景使用，确认对常见查询没有明显副作用后再扩大范围。
只有几条查询变好，能说明整体相关性提升了吗？
不能直接下结论。个别查询改善可能只是恰好被改写命中，样本量太小或只挑容易改的查询，都会高估效果。判断时应看整批样本的分布变化：目标文档位置整体是否前移、首屏命中率是否上升、首屏无关结果占比是否下降。三个指标同向变化时，改进结论才比较可靠；个别查询没有改善，重新归因后换一类动作继续尝试。
文档标题、标签不规范的问题，应该由谁来解决？
这属于文档创建与维护环节的责任，需要文档创建者配合，知识库管理员负责制定并检查字段规范。可行做法是把标题、标签、摘要的填写要求纳入文档创建流程和模板，让规范在源头生效，而不是事后逐篇补。存量文档可以按使用频率和查询命中情况分批整理，优先处理被频繁搜索却难以召回的那一批。
