🔍 向量搜索 是什么？

⚡ 一句话秒懂

不搜关键词，搜「意思相近」的内容

📖 举个故事

老王搜公司文档找「怎么请年假」，系统搜关键词「年假」只出来2条结果，漏掉了写「休假申请流程」的文档。换了向量搜索后，系统把老王的问题转成「意思」——一个数学向量，然后去文档库里找「意思相近」的段落。不仅找到了「年假」，还找到了「休假制度」「请假规定」等相关的文档。老王说：这才是真正的搜索，懂我的意思。

💡 类比理解

暂未补充。

🧩 真实例子

暂未补充。

🛠️ 怎么实际使用

向量搜索是构建AI知识检索的基础。想给自己网站的搜索升级：①把文章内容转成向量存数据库→②用户搜索时把问题也转成向量→③在数据库里找最接近的Top 10→④返回给用户。Milvus、Pinecone、Qdrant都是专业的向量数据库。也可以用PostgreSQL的pgvector插件，不需要额外部署。

📚 进阶原理

向量搜索（Vector Search）使用嵌入模型将文本映射到高维向量空间，通过近似最近邻（ANN）算法检索相似向量。核心组件：嵌入模型（如text-embedding-3-small、bge-m3）、索引结构（HNSW/IVF/FLAT）、距离度量（余弦相似度/欧氏距离/点积）。支持混合搜索（向量+标量过滤）和多向量搜索（一个文档多个向量表征不同方面）。

继续学习相关术语