语义检索

不比对关键词，而是按意思的接近程度找出最相关的资料，让换一种说法也能搜到同一条内容。

师生手里的资料措辞各不相同，只按关键词搜经常「明明有却搜不到」。这也是一类知识库工具到底能不能用的分水岭。

像向图书馆店员描述你记得的情节而不是书名：他凭着印象，就能从书架上抽出大概对的那几本。

在教研资料库里输入「怎么把纸质发票存进系统」，即使原文写的是「扫描件录入流程」，仍能被检索出来；但用「二次元」去找「动漫」大概率召不回来，这也是它通常要和关键词检索一起用的原因。

• 误解：它比关键词搜索更准，可以取代后者。 事实：遇到型号、缩写、人名这类精确匹配时关键词检索更可靠，实际做法常常是两者并用。

• 误解：意思一样就一定能搜到。 事实：效果取决于嵌入模型的好坏，专业术语和很短的词区分度常常不足。

• 误解：搜出来了就说明答案对。 事实：检索只解决「找哪几段」，答案是否属实仍要模型判断加人工核对。

• 误解：换个提问的人结果就完全不同。 事实：返回内容由同一套向量索引决定，与提问者的表达习惯关系不大。

• 嵌入（向量表示）把文字、图片等对象映射成一串能衡量语义距离的数值，意思越接近，这串数值在空间里就靠得越近。
• 向量数据库按语义相似度而非关键词存取数据的系统，把内容转成数值向量，比较时看「意思有多接近」。
• 检索增强生成先把你的资料切成片段建索引，提问时先检索出相关段落，再连同问题一起交给模型作答的方案。
• 文档切分把长文档拆成大小合适的小块再建索引，切法直接决定了之后能检索到哪一段。