掌握了向量嵌入语义搜索的基础用法之后，下一步是让效果稳定可复现。理解原理是关键：嵌入模型把语义相近的文本映射到相近的向量位置，计算向量之间的相似度就能找到意思相关的内容，这是很多知识库和推荐功能的基础。

语义搜索并不是关键词搜索的替代品，而是补充。语义搜索擅长理解“意思”，但对产品型号、人名、编号这类精确信息反而可能不如关键词搜索。实际应用中，混合搜索往往是更稳妥的选择：语义负责找到相关的范围，关键词负责保证精确的命中。

技巧 1：把文档标题和片段内容一起向量化

把文档标题和片段内容一起向量化，通常能提升检索效果。这能帮你更快定位问题出在哪个环节。

技巧 2：对检索结果增加重新排序步骤

对检索结果增加重新排序步骤，可以进一步提高准确率。这能帮你更快定位问题出在哪个环节。

技巧 3：保存每次检索的日志

保存每次检索的日志，分析找不到答案的问题。做到这一点，结果的稳定性会明显提高。

技巧 4：对中文资料选择中文能力较好的嵌入模型

对中文资料选择中文能力较好的嵌入模型。适合在任务较复杂或要反复使用时采用。

技巧 5：从小规模资料开始验证效果

从小规模资料开始验证效果，再扩展到全部资料。这能帮你更快定位问题出在哪个环节。

一个进阶场景

举个虚构的例子：一位客服主管发现，客服在知识库里搜索“退不了款”时总是找不到“退款失败处理流程”。技术同事为知识库加上了语义搜索，并保留关键词搜索作为补充。之后客服用各种口语化的说法搜索，都能找到对应的流程文档。

语义搜索会找错吗？ 会，有时会找到意思相关但不是答案的内容，所以要评估效果并结合其他方法。

进阶模板

下面的模板综合了以上技巧，可以按科研人员等不同场景替换内容：

检索效果评估：
测试集：[N] 个问题，每个问题标注应该检索到的片段
指标：
- 前 K 命中率：正确片段出现在前 K 个结果中的比例
- 首位命中率：正确片段排在第一的比例
对比实验：
1. 仅语义搜索
2. 仅关键词搜索
3. 混合搜索（两者结合）
4. 混合搜索 + 重新排序
记录每种方案的指标，选择效果最好且成本可接受的方案。

进阶使用时仍要避免

  • ✗ 忽视数据安全。 ✓ 向量和原文同样包含信息，要做好访问控制。
  • ✗ 更换嵌入模型后不重建向量。 ✓ 不同模型的向量不能混用，更换模型需要重新生成。

可以组合的技能

  • 个人知识库 RAG：个人知识库 RAG（检索增强生成）是把你的笔记、文档、资料整理成知识库，提问时 AI 先从中检索相关内容，再基于检索结果回答。
  • 文档切分整理：文档切分是在搭建知识库时，把长文档按合理的单位拆成较小的片段，例如按章节、段落或问答对，并为每个片段保留标题、来源和日期等信息。

衡量是否真的进步

一个简单的标准：同类任务需要的修改轮次是否减少，结果是否更稳定。如果答案是肯定的，说明你的语义搜索已经进阶；如果没有，回到基础步骤检查哪里写得不够具体。

相关阅读