术语 · 数据与存储

向量数据库

Vector Database

保存向量表示并进行相似度检索，常用于语义搜索和知识库问答。

按意思找，不按字面找

搜小猫吃什么

比对逐字对：小猫 ≠ 幼猫✓ 转成向量，比含义

一个对字面，一个对意思

幼猫喂养指南✗ 0 命中✓ 相似度 0.92

用户✗ 换词再猜✓ 一次搜到

说法不同，也认得出

内容和问题都被转成向量——语义相近的向量彼此靠近；检索找的是「离得最近的邻居」，换个说法也认得出。

换个角度想

向量数据库像按位置找邻居的地图：每段内容按「意思」被安放在一个坐标上，含义越近住得越近。找资料不是对名字，而是看谁住在问题旁边。

内容转成向量

知识库里明明有《差旅报销标准》，用户搜「出差住宿能报多少」却搜不到。传统关键词搜索缺了什么？

看答案

缺语义：关键词搜索只认字面，「住宿能报多少」和「差旅报销标准」没有共同词就匹配不上。把文档转成向量后按语义检索，问题和文档在含义上离得近，就能召回。

向量检索找的是「最像的」，不是「对的」：库里没有答案时，它照样返回几条最接近的。给 RAG 用时要设相似度门槛，不够像就承认查不到。