---
title: "Hybrid Search (Wyszukiwanie Hybrydowe)"
type: "concept"
tags: [retrieval, search-systems, database, vector-embeddings]
created: 2026-06-18
updated: 2026-06-18
sources: ["[[summaries/gbrain-long-term-memory]]"]
confidence: high
---

# Hybrid Search (Wyszukiwanie Hybrydowe)

## Definition
Zaawansowana strategia pobierania informacji (Retrieval), polegająca na jednoczesnym przeszukiwaniu bazy danych za pomocą dopasowania semantycznego (wyszukiwanie wektorowe/Dense Retrieval) oraz tradycyjnego dopasowania słów kluczowych (wyszukiwanie tekstowe/Sparse Retrieval, np. BM25/ripgrep), a następnie scaleniu i zreparametryzowaniu wyników w jeden zoptymalizowany ranking.

## How It Works
Wyszukiwanie hybrydowe łączy mocne strony dwóch odmiennych podejść:
1. **Wyszukiwanie Wektorowe (np. pgvector)**: Rozumie kontekst i synonimy (np. zapytanie o "bazy danych" zwróci wyniki zawierające "PostgreSQL" lub "SQL Server", nawet jeśli słowo "baza" tam nie występuje). Jednak gubi się przy dokładnych dopasowaniach nazw własnych, unikalnych kodów, symboli czy numerów wersji.
2. **Wyszukiwanie Słów Kluczowych (np. BM25)**: Doskonale radzi sobie z precyzyjnymi identyfikatorami (np. wyszukanie "0.7.0" lub specyficznego nazwiska), ale całkowicie ignoruje znaczenie pojęciowe słów.

Po wykonaniu obu zapytań system stosuje algorytm fuzji (np. *Reciprocal Rank Fusion - RRF*), aby wygenerować ostateczną listę najbardziej trafnych wyników.

## Performance Benchmark
Zastosowanie wyszukiwania hybrydowego w rzeczywistych testach (np. w benchmarku *LongMemEval* systemu GBrain) pozwala osiągnąć dokładność **R@5 = 97,9%**, co oznacza, że poszukiwany fragment wiedzy znajduje się w pierwszej piątce wyników w niemal 98% przypadków. Przewyższa to czyste wyszukiwanie wektorowe stosowane w większości tradycyjnych potoków RAG.

## Sources
- [[summaries/gbrain-long-term-memory]]