用 LanceDB 前先懂这些概念
LanceDB 是一款开源项目：嵌入式开源向量数据库，适合本地与多模态数据。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- RAG（检索增强生成）：先检索相关资料再让模型作答，降低胡编概率。
- 嵌入（Embedding）：把文本转成向量，用于语义相似度检索。
- 切分（Chunking）：把长文档拆成适合检索的小段，大小影响效果。
- 重排序（Rerank）：对初步检索结果再次打分排序，提升相关性。
- 混合检索：同时使用关键词和向量检索，兼顾精确匹配与语义理解。
- 引用溯源：回答附带原文出处，便于核对。
和 LanceDB 相关的补充
- 开源项目：LanceDB 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：Chroma、pgvector、Qdrant。
- 所属方向：搜索与知识库。
把概念用起来
网页内容抓取
适用情况：手头有一组需要定期关注的网页时。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
检查点：没有臆造发布日期。
延伸练习
带来源的快速调研
准备材料：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
检查点：关键结论都有可点击来源。
内部文档入库
适用情况：手头有一批 PDF、Word 和网页时。
把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。
检查点：切分后的段落能回溯到页码。
检索效果对比
适用情况：手头有同一批问题和两种检索配置时。
用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。
检查点：对比用同一批问题。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
常见问题：表格内容检索不到
换用能保留表格结构的解析工具，或单独把表格转成文本描述。
概念补充：重排序（Rerank）
对初步检索结果再次打分排序，提升相关性。
概念补充：RAG（检索增强生成）
先检索相关资料再让模型作答，降低胡编概率。
适合人群：销售
销售可以用 LanceDB 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。
适合人群：咨询顾问
咨询顾问可以用 LanceDB 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
适合人群：客服人员
客服人员可以用 LanceDB 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。
使用提醒
本文基于 LanceDB 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
涉及个人信息、商业机密或受监管数据时，先确认 LanceDB 的数据处理条款，再决定能否使用。