本文考察以决策式模型替代生成式输出的重排序（rerank）思路，并在 TREC Deep Learning Track 2019 与 2020 段落数据上开展本地评测：一条路线使用 Qwen3.5-4B，以期望等级打分并经控制标签读取选项概率；另一条使用 Laya 的决策头。Qwen 在两套数据上均优于原始排序，而 Laya 各配置的改善有限；思维链与成对复核带来的边际收益很小，三问评分存在明显的概率单调性违例，批处理虽提升吞吐却伴随数值不一致。所有结果均为单次测量，结论仅适用于文中描述的实验条件。

企业知识库的检索需求可以拆成四件事：资料能不能找全，关键内容能不能排到前面，答案能不能指回原文，不同权限的人看到的内容能不能严格分开。前半部分记录检索基座原型的设计与评测方法，链路覆盖查询理解与检索规划、多路召回、RRF 融合、可选重排、逐路权限校验与引用式回答，并给出四组对照与指标清单；后半部分分析公开项目 Uveriq 的架构，包括原始源、规范知识与派生投影三层数据模型、FAST/AUTO/DEEP 三档路由，以及引用与源文件的回溯链路。混合检索部分列出 RRF 与线性融合各有胜负的公开证据与适用条件。