✨ 实现真实的混合检索框架

- 移除假的 create_hybrid_retriever 实现
- 添加 HybridRetriever 类，支持检测 Qdrant 稀疏向量配置
- 更新 README.md 说明现状（未配置稀疏向量，优雅降级到纯稠密检索）
- 语法检查通过

backend/app/rag/README.md

@@ -103,11 +103,19 @@ retriever = create_base_retriever(
 docs = retriever.invoke("什么是 RAG？")
 ```
 
-### Level 2: 混合检索与重排序 (Hybrid Search + Reranker)
+### Level 2: 混合检索与重排序（Hybrid Search + Reranker）
 
-混合检索旨在结合向量的"语义泛化"与关键词的"精准匹配"，随后利用重排序模型过滤噪声。
+混合检索旨在结合向量的"语义泛化"与关键词的"精确匹配"，随后利用重排序模型过滤噪声。
 
-**1. 基础召回 (混合检索)**
+**⚠️ 现状说明**：
+- `create_hybrid_retriever` 函数已实现框架，能检测 Qdrant 集合是否有稀疏向量配置
+- 目前 Qdrant 集合**未配置**稀疏向量字段，混合检索会优雅降级为纯稠密检索
+- 如果需要启用完整混合检索，需：
+  1. 使用 BM25 计算稀疏向量
+  2. 在 Qdrant 集合配置 sparse_vectors
+  3. 更新索引器以同时存储稠密和稀疏向量
+
+**1. 基础召回（纯稠密检索）**
 
 - **核心原理**: 结合基于 HNSW 的 Dense Vector 相似度搜索与基于 TF-IDF 的 BM25 稀疏检索 (Sparse Vector)。
 - **实现指南**: 使用 `app/rag/retriever.py` 中的 `create_hybrid_retriever` 函数，配置 `dense_k=10` 和 `sparse_k=10`，总召回 20 条结果。