检索入门基础概念
Vector Search
向量检索 · 语义检索
将查询转换为向量，并按距离从已有向量中找出语义最相近内容的检索方法。
最后核验 2026-09-04 · 已核验
用一个类比理解
像在“含义地图”上寻找最近的邻居，而不是只找出现了完全相同关键词的页面。建议先看：Embedding
它解决什么
- 跨措辞召回语义相关内容
- 在非结构化资料中快速筛选候选
它不是什么
- 它不是 RAG 的全部
- 不擅长所有精确匹配和复杂过滤
适合使用
- 自然语言表达多样
- 文档量较大且需要语义召回
暂时别用
- ID、日期和专有名词必须精确命中
- 传统过滤或全文搜索已足够
常见失败方式
- 忽略关键词检索优势
- 距离阈值凭感觉设置
- 没有结合元数据权限过滤
常见组合
生产检索常把关键词检索与向量检索合并，再用 reranker 重排候选。混合检索并非总是更好，仍要用真实问题测试召回率和最终回答质量。
可信来源