以下对照对应 2026 年 9 月 10 日的固定开发记录。
给检索接上在线向量模型，是否就应该替换原来的节点搜索？
TraceWise 这轮对照出现了一个不宜用单个总分概括的结果：语义模式更常把单个目标排到第一位，却少完成了一道要求目标完整进入前十条的题。两个指标都没有算错，它们回答的是不同问题。
这件事影响的不只是算法选择。节点搜索既可能是“帮我定位那个概念”，也可能是“找齐接下来分析关系所需的对象”。一种模式让单个结果更靠前，不等于它更适合所有任务。本文沿着一次固定开发对照，说明为什么当前保留多信号默认，并让语义模式作为显式选项。
先确定向量到底表示什么
正文检索的对象是能支持分析的文字，节点搜索的对象是图里的概念或业务对象。两者可以关联，却不能直接共用一个“语义分数”的含义。
这一轮新图包含142个节点。它们来自固定资料中的概念和流程声明，经公开治理接口写入并读回，不是按题目答案临时生成的候选。语义路径只使用节点公开字段 label、category、aliases 和 summary 来构造文本，再生成向量，与查询计算精确余弦相似度。它没有拿一段 Evidence 的向量冒充整个人、概念或业务对象的向量。
阿里云文本向量接口提供文本到向量的模型能力，并支持为相关模型选择维度；至于送进去哪些业务字段，以及怎样使用返回向量，是调用方需要确定的检索设计。通用文本向量 API是本轮模型接入的接口参考，本文后续数字均来自 TraceWise 自己的固定对照。
多信号路径继续使用已有的九信号评分，组合短语、名称、关键词、局部相似性、类型、关系和邻域等信息。这里的局部相似性使用既有随机索引机制，不是本轮新增的在线向量模型；它也并非只有词法匹配。语义路径则以节点文本余弦作为评分依据，没有同时叠加新的重排或融合规则。
两条路径输入同一份真实治理读回快照，合法节点范围相同，评分时不另读一套未经约束的原始图。需要区别的是：同一可用节点范围不等于同一个召回候选池。本轮比较的是两条完整节点策略在同一对象集合上的表现，不是只替换同池排序器的消融实验。
三个指标，两个方向
节点对照有12道实体题，其中10道只要求一个目标，另外2道需要实体组。第一项指标检查：每道题要求的实体是否全部进入前十条。多信号完成11道，语义完成10道。配对结果是语义0胜、1负、11平。
对其中10道单目标题，再看目标是否排在第一位：多信号4道，语义5道。截断 MRR@10 从0.4892提高到0.5743。这个指标按目标位置取倒数，第一名记1、第二名记1/2，前十条没有目标记0，再对单目标题平均；它会奖励目标前移，但不检查一组目标是否找齐。
图1：指标关注不同任务要求；10道单目标题属于12道实体题，不是额外样本。
如果产品主要让用户点开第一条结果，首位和倒数排名值得关注。如果产品需要凑齐实体才能继续查看关系或比较，遗漏一个关键对象可能比其余对象排得更靠前更影响任务完成。
这批样本很小，不能据此认定某种算法普遍更好。它们已经足以说明：用首位命中上升来支持全面替换，会忽略本次真实观察到的完整覆盖下降。
Resource：结果都在同一主题，目标却没出现
其中一道题希望给模型补充数据库结构，而不执行操作，需要定位相应 MCP 能力。题目指定的目标是 Resource。
多信号前四名依次是 MCP Server、MCP、MCP Prompt、Resource，目标在第四位。语义前四名是 MCP Prompt、MCP Server、MCP、Host；它返回了相关主题的节点，但 Resource 没有进入前十条。
图2：固定开发题的局部排序。主题相关不等于目标节点已被找到。
对人来说，“补上下文而不是执行”是区分这些概念的关键条件。返回一组同主题对象仍可能没有解决定位任务。这个案例指出的是观察到的失败形态：文本表示与查询之间的整体相似，并没有保证目标概念被选入前十条。
它还不能单独证明模型不懂 Resource，更不能证明具体哪一个字段或哪一个信号导致差异。要做这种归因，需要另外固定候选、表示字段和评分项进行对照。本轮没有在看到该题之后添加别名、调整权重，再用同一题重新计算收益。
Handoff：保留旧策略不等于旧策略没有问题
另一道题要求主流程把售后会话交给专门 Agent 继续处理，而不只是请求它回答子问题，目标是 Handoff。两种模式的前十条都没有命中它，而且第一名都是 Manager。
这条共同漏检很重要。保留多信号默认的含义是“目前没有全面替换依据”，不是“已有策略已经充分满足任务”。围绕相邻概念的区分仍有缺口，需要检查节点描述、别名和任务表达，也可能需要更明确的检索意图。但这些都只是下一次实验的问题，还不是已经验证有效的修复。
本轮还单独检查5道已声明直连关系题：两种模式都完整展示了目标有向引用，展示上限为20条。这里核验的是资料中已有的边及其引用，不是发现未知关系，也不证明多跳推理、因果判断或业务执行正确。
实体与关系这17道题和正文对照的75道题有重叠，不能把两轮相加说成92道独立问题。节点表示没有使用题目或答案字段，但评价材料仍是AI编写、AI复核且有历史暴露的开发题；独立人工验收尚未完成。
不急着把两个分数再混成一个
看到一边覆盖较好、另一边首位较好，很容易再加一次融合，希望同时保留所有优点。但这会引入新选择：候选各取多少、如何去重、哪些关系信号参与、最终仍只有十条时怎样分配位置。单看现有两组成绩，无法推导出某个融合配置一定更好。
因此当前选择保持窄一些：节点多信号默认不变，语义显式可选；Resource 的退步和 Handoff 的共同失败继续保留。正文重排在另一组对照中有收益，也不能直接推导出节点必须加重排，因为候选对象、评分文本和任务完成条件已经不同。
这不是把策略职责交给模型或平台自动决定。Foundation 负责本轮已登记对象的受治理读取与有效性约束；TraceWise 决定搜索哪个业务对象、提供哪种模式、展示什么结果，并对产品任务效果进行评价。更强的表示能力只是这里的一个组成部分。
实验采用 Foundation 0.1.0a20.post22 开发候选，现有正式基线和默认策略没有因为这份成绩表而切换。后续若要重新决定默认，应在未暴露材料上预先固定主指标，同时检查完整覆盖、首位体验和明确的退化容忍范围。
一次检索优化是否值得采用，最终取决于用户要完成什么。“更靠前”和“找得齐”都可能有价值，产品需要决定哪一个是必要条件，而不是等模型返回一个更高的分数后再解释目标。