召回率

召回率是什么？

想象你在一个巨大的图书馆里找书。系统帮你检索「机器学习入门」，结果它只找出了 10 本，可实际上书架上还有 40 本相关的好书没被找到。召回率衡量的，就是这「找全了没有」——在所有真正相关的文档里，系统成功找出并返回的那一部分，占多大比例。

它到底怎么算？

分子分母各是什么
分母是「所有相关的文档」总数，分子是「系统成功找出来的相关文档」数。两者一除，就是召回率。比如总共有 100 篇相关文章，系统找回了 80 篇，召回率就是 80%。
它和精确率是一对搭档
召回率关心「漏没漏」，精确率关心「错没错」。一个只看找得全不全，一个只看找得准不准，两者常常此消彼长，需要一起权衡。

为什么召回率重要？

在医疗、法律、风控这类场景里，「漏掉」往往比「多几个」代价大得多。一次漏诊、一条漏掉的证据，可能造成严重后果。所以在这些领域，人们宁可多给一些结果，也要把召回率做高。

怎么提升召回率？

放宽匹配条件
扩大检索范围、允许同义词和模糊匹配，能捞出更多相关内容。
多路召回
同时用多种检索策略——关键词、向量、语义——再把结果合并，能显著减少遗漏。
混合检索（Hybrid Search）
把传统关键词检索和向量检索的结果融合，兼顾「全」和「准」。

一句话记住：召回率问的是「该找的都找到了吗」，它决定你会不会错过关键信息。