一句话定义：召回（Recall / Retrieval）是从海量内容里快速捞出一小批"可能相关"的候选，排序（Ranking / AI 词典：Reranking">Reranking）再对这批候选做精细打分、排出最终顺序——搜索、推荐、RAG 基本都是这套两段式流水线。
为什么不能一步到位
假设你有一个百万条文档的知识库，用户搜"报销流程"。如果让最精细的模型逐条给这一百万条打分，慢且贵，根本撑不住线上响应。
于是工程上拆成两步：先用便宜、快的手段把范围从"一百万"缩到"一百"，再用贵、准的模型从"一百"里挑出"十"。
打个生活化的比方：招聘。HR 不可能对每份简历都做两小时深度面试。先用关键词筛一遍（学历、年限、技能词），从几千份里挑出几十份——这是召回；再对这几十人逐个细聊、综合打分、排出录用顺序——这是排序。召回负责"别漏掉好人"，排序负责"把最合适的人放前面"。
两阶段各自在干什么
召回阶段追求高召回率（recall），宁可放进一些不相关的，也不能漏掉真正相关的。常见做法有两类：
- 稀疏检索（sparse retrieval），如基于关键词/倒排索引的 BM25，字面命中就加分；
- 稠密检索（dense retrieval），把查询和文档都编码成向量（embedding），用向量数据库做近似最近邻搜索（ANN），比的是语义相近。
实践中常把两路结果合并（fusion），取长补短。
排序阶段追求精度（precision）。候选只有几十上百条，可以上重的模型：跨编码器（cross-encoder）把"查询+文档"拼在一起过一遍，做细粒度的相关性判断；也可以叠加业务信号——时效性、权威性、用户历史偏好、点击率预估等。所以排序常常不是单个模型，而是一串打分器的流水线。
| 维度 | 召回（Recall） | 排序（Ranking） |
|---|---|---|
| 输入规模 | 百万到亿级 | 几十到几百条 |
| 目标 | 别漏（高召回） | 排准（高精度） |
| 手段 | 倒排索引、向量近邻 | 重模型精排、业务特征 |
| 成本 | 必须极便宜 | 可以贵一点 |
| 衡量 | 召回率、命中率 | NDCG、MRR、点击率 |
和相邻概念的区别
召回 ≠ 检索的全部：向量检索通常只承担召回这一段；真正决定"第一条显示什么"的是排序。
两阶段 ≠ 多层：工业界常做成三级——召回 → 粗排 → 精排，粗排是两者的折中，用轻模型再砍一刀。原理相同，都是漏斗。
RAG 里的对应关系：检索增强生成（RAG）同样是先召回文档片段，再（可选地）用重排模型（reranker）精排，然后把最相关的几条塞进上下文。上下文窗口有限，排序掉链子，模型就会被无关内容带偏。
对从业者的实际意义
1. 先查召回，再调排序。答案压根没被召回，排序模型再好也救不回来。离线评估要分开看两段的指标。
2. 召回通道要多路并行。关键词擅长精确匹配（型号、人名、错误码），向量擅长同义改写，两路都要。
3. 排序决定体验上限，也是加业务规则的地方：去重、打散、时效加权、多样性控制，通常都在这一层做。
4. 成本与延迟是硬约束。每一层的候选量级，本质上是被算力和响应时间倒推出来的设计决策。
一句话收尾：搜索从来不是一步到位，而是先用便宜的办法把大海捞针变成盆里捞针，再用贵的办法把针排个队。具体的模型选型和参数配置，以各家官方文档为准。