在现代 AI 和 RAG 应用中实现高搜索相关性，需要结合用于语义上下文的向量搜索和用于关键词精确性的全文搜索（FTS）。AlloyDB for PostgreSQL 同时支持这两种搜索方式，但传统上管理和合并其结果涉及复杂的 SQL 或自定义应用逻辑。这通常需要在融合、分数归一化和重排序方面使用独立系统，导致逻辑脆弱、延迟增加以及运维负载过高。AlloyDB AI 的混合搜索通过将上述步骤整合为单个由倒数排名融合（Reciprocal Rank Fusion, RRF）驱动的高性能 SQL 函数来简化此过程。RRF 因其本质基于排名而无需分数归一化，从而简化了流程。ai.hybrid_search() 函数原生执行整个工作流，最小化开销并确保事务一致性。针对 FTS 优化，RUM 扩展直接在索引中存储词项位置，实现了低延迟的相关性排序和高效的短语匹配，而标准 GIN 索引则无法做到这一点。此外，AlloyDB AI 还引入了 BM25 索引，以提供卓越的开箱即用型关键词评分。为增强灵活性，新的外部搜索 Foreign Data Wrapper（FDW）允许在不离开 AlloyDB 的情况下查询专用集群，如 Elasticsearch、OpenSearch 和 Solr。这一统一架构简化了混合搜索，通过 RUM 或 BM25 等选项优化了 FTS，并通过外部搜索集成提升了灵活性。