图中生成内容只作为检索中介，最后的事实依据仍来自实际文档。
一个问题只有几个字，知识库里的段落却往往包含背景、术语和完整解释。直接把两者编码成向量，表达形式的差异有时会妨碍检索。HyDE 给出的思路是：先根据问题生成一篇假设性文档，再用它的向量去寻找真实资料。
先区分假设文档和最终答案
假设用户问某个存储系统为何在批量导入时变慢。生成器可以先写一段看起来像相关说明的内容，包含索引维护、写入路径等可能相关概念。这段内容的作用，是提供一个更接近文档形态的检索表示，不是证明系统真的发生了这些问题。
其中甚至可能出现错误细节。HyDE 不要求先拿到一个已经被事实验证的答案，否则检索就失去了意义。但也不能因为错误内容被叫作“假设”，就直接把它展示为确定诊断。它属于搜索中间产物，与交付给读者的证据不是同一级别。
从问题到语料邻域
基本流程可以拆成四步：由问题生成假设文档，使用编码器得到文档向量，在真实语料向量中搜索邻近项，最后把实际找回的材料交给后续处理。这里改变的是查询侧表示，不是每次都把整个知识库重写一遍。
如果假设文档抓住了相关概念，可能让查询更接近目标材料。如果它引入了错误实体、错误版本或不必要的背景，也可能把检索方向带偏。向量编码并不是一个能保证删除全部幻觉细节的事实过滤器，效果需要在任务上验证。
也要核对编码器适用的输入类型和长度。不是任意生成器配任意嵌入模型，都天然复现原方法的结果。长篇假设超过编码长度、关键约束被截掉，同样会影响最终表示。
它和普通改写有什么不同
普通查询改写可以把缩略语展开，或者把口语转换成检索短语；HyDE 的典型做法则是生成类似相关文档的正文，再编码这个正文。二者都在查询侧增加表达，但增加的信息形态不一样。
HyDE 也不等同于让模型先回答一次再照抄答案。实际检索步骤必须存在，且后续回答应能指出哪些结论受到真实材料支持。若搜索结果只有风格相似、事实不相关的段落，流程仍然失败，不能因为生成阶段写得流畅就算完成。
什么时候值得尝试
当短问题与文档表达存在明显词汇或语义差距时，这条路线有尝试价值。但如果用户给的是精确产品编号、罕见错误码或带版本限制的问题，生成器擅自补充背景可能冲淡最关键的字面条件。
一个可检查的对照方法，是保留原查询检索结果，再与假设文档检索结果比较。观察真正支持答案的材料是否新增、是否被挤出，而不是只看返回列表看起来更丰富。额外生成会增加调用和等待，收益也应与这部分成本一起评估。
这种对照不意味着总要把所有结果无条件合并。重复材料会占用候选与上下文预算，互相矛盾的版本也需要识别。关键是能分辨原问题带来的证据与生成扩展带来的证据，而不是把两条来源混成一个不可解释的列表。
失败时怎样定位
先检查假设是否保留问题的实体、时间、数值和否定条件；再检查编码有没有截断；随后检查真实语料里是否本来就缺少答案；最后才讨论后续生成器有没有正确使用证据。不同阶段失败，对策不同。
例如问题明确说“不允许修改表结构”，假设文档却讨论新增索引，那么即便检索结果很相关，也可能没有回答用户的约束。检索相关性不能只看主题相同，还要看是否能在原条件下支持结论。
面试回答要守住证据边界
可以概括为：用生成文档弥合问题与资料的表达差距，再回到真实语料寻找证据。优势是一种查询侧扩展思路，风险是生成偏差和额外开销；它不保证找回缺失知识，也不自动证明答案正确。
如果假设文档里出现了一个实际材料从未提到的配置项，你会允许最终答案使用它吗？怎样在流程里把“用于搜索的猜测”和“能够引用的证据”分开？