向量检索概览
向量检索概览
向量检索是把高维向量在毫秒级找出最近邻的工程问题。它是 RAG、推荐、语义搜索、去重的基础设施。
知识地图
索引算法
- 精确检索（Flat / Brute Force）
- 近似最近邻 ANN
- 基于树（Annoy / KD-Tree）
- 基于哈希（LSH）
- 基于图（HNSW / NSG）
- 基于量化（PQ / OPQ / RaBitQ）
- IVF 系列（IVF-Flat / IVF-PQ / ScaNN）
向量数据库
- 专用向量库：Milvus / Qdrant / Weaviate / Chroma
- 传统库扩展：pgvector / MongoDB Atlas Vector Search / Elasticsearch kNN
- 轻量嵌入式：lancedb / hnswlib / faiss
- 云服务：Pinecone / Zilliz / Turbopuffer
检索策略
- 向量检索（语义匹配）
- 关键词检索（BM25 / 精确匹配）
- 混合检索（Hybrid Search = 向量 + 关键词）
- 重排（Rerank）—— Cross-Encoder / Cohere Rerank / BGE Reranker
- 多路召回 + 精排
工程实践
- Embedding 模型选型（[[AI/LLM-应用/概览|Embedding]]）
- Chunk 策略（切分粒度 / 重叠 / 元数据）
- 元数据过滤（Pre-filter / Post-filter）
- 距离度量（Cosine / L2 / Inner Product）
- 召回率与精度权衡
待补内容
- HNSW 原理图解
- Milvus / Qdrant 部署实战
- 混合检索的权重调优
- Rerank 模型对比
- 千万 / 亿级向量性能优化