nexus/wiki/concepts/向量检索.md

id, title, type, tags, sources, last_updated

id	title	type	tags	sources	last_updated
vector-search	向量检索	concept	信息检索 向量数据库	RAG从入门到精通系列1：基础RAG.md	2026-04-16

Definition

向量检索（Vector Search / Similarity Search）是根据语义相似度在向量数据库中检索相关文档的技术，核心是比较查询向量与文档向量的"距离"（余弦相似度），而非字面匹配。

Mechanism

1. Query 通过 Embedding 模型转为固定长度向量
2. 在 向量数据库（如 Qdrant）中按余弦相似度检索 Top-K 最接近的向量
3. 返回对应的文档块作为 RAG 的 Context

Key Parameters

• Top-K：返回最相似的 K 个结果（K=3~10 常见）
• 相似度阈值：过滤低于某分数的结果
• Reranking：初筛后用更大模型重新排序（如 BGE-Reranker）

Connections

• RAG ← 核心阶段（Retrieval 阶段的具体技术）
• Qdrant ← 存储层
• Embedding ← 依赖（Query 和文档均需向量化）
• 语义搜索 ← 同类技术（前者基于向量，后者可结合 BM25/关键词）
• 混合搜索 ← 扩展（向量检索 + BM25 关键词检索融合排序）

Advantage over Keyword Search

维度	关键词搜索	向量检索
匹配方式	字面匹配	语义相似度
同义词处理	无法识别	天然处理
歧义词处理	精确但机械	需依赖高质量 Embedding
适用场景	精确查询	语义模糊查询