一句话定义
查询理解（Query Understanding）是搜索系统收到你输入的词之后、真正开始检索之前进行的一层意图解析：它先推测你真正想要什么，再把含糊、残缺甚至打错的输入，转换成机器能够准确执行的查询。
具体在做什么
你在常去的面馆说“老样子，多放点那个”，老板不会按字面去后厨喊，他知道你要牛肉面加辣。搜索引擎也有同样的能力。
拆开看有几个动作：
- 纠错与归一化：把错别字、全角半角、繁简、大小写统一掉。
- 分词与实体识别（Named Entity Recognition）：把“北京到上海高铁时刻表”切成出发地、目的地、交通方式和需求类型。
- 意图分类（Intent Classification）：判断是导航型（navigational，想直奔某个网站）、信息型（informational，想了解知识），还是交易型（transactional，想买）。
- 查询改写与扩展（Query Rewriting / Expansion）：补同义词、补隐含条件。“苹果 价格”要看上下文——可能是水果行情，也可能是某家公司的股价。
- 上下文补全：位置、时间、设备、历史行为，这些你没打出来，系统会替你补上。
和相邻概念的区别
| 概念 | 管什么 | 打个比方 |
|---|---|---|
| 查询理解 | 把问题问对 | 服务员听懂“老样子” |
| 检索与排序（Ranking） | 把答案排好 | 后厨出菜、摆盘 |
| 拼写纠错 | 只是其中一小步 | 听清你的发音 |
| 向量检索、语义匹配 | 匹配环节的技术 | 按口味找菜 |
一句话：查询理解出错，后面的排序再精细也救不回来。
对从业者和普通人的意义
做搜索、电商、客服、RAG 的人，查询理解决定了召回的上限。建同义词表、定意图体系、做 bad case 归因，基本都从这一层开始；现在也常用大模型做查询改写，具体效果以你自己的评测集为准。
对普通职场人：你写的那句提示词，本质上也是一次查询。把省略的主语、场景、约束条件补全，输出质量往往立刻变好——你替系统省掉了“猜”的成本。反过来，当结果莫名其妙时，多半是它把你猜成了另一类人。