HyDE 假設性文件嵌入是什麼？先生成假答案再拿去檢索

有時候問題的措辭跟知識庫裡真正的答案文件用詞差很多，直接拿問題去檢索反而找不到重點，這時候 HyDE 就派上用場。

定義

HyDE（Hypothetical Document Embeddings，假設性文件嵌入）是一種提升 Retrieval 檢索 準確度的技巧，核心做法是先生成假答案，再拿假答案去檢索。

流程是先把使用者的問題交給大型語言模型，請它生成一份假設性的答案文件，再把這份假答案轉成 Embedding 語意地圖，拿去跟知識庫裡的真實文件做相似度比對。

白話比喻

HyDE 就像考試遇到不熟的題目，先憑印象寫一份自己猜測的答案草稿，再拿這份草稿去圖書館找相關的參考資料，會比直接拿題目原文去找書更容易找對書架。

因為草稿的用詞跟真正教科書上的用詞比較接近，題目本身的措辭反而常常跟書上的寫法有落差，這正是 HyDE 想解決的問題。

HyDE 跟一般檢索差在哪？

實際用例

常見應用場景是企業內部的知識庫問答，員工的提問方式通常很口語，例如「請假流程」，但規章文件裡可能寫著正式的條文用詞，這時候用 HyDE 生成一份假設性的規章式回答再去檢索，往往更容易命中正確的段落。

實務上 HyDE 常搭配 Hybrid Search 混合搜尋 一起使用，先用假答案做語意檢索補齊語意相近但用詞不同的內容，再搭配關鍵字比對確保精準命中的部分不會漏掉。