pgvector 进阶技巧：用熟之后还能怎么提效
pgvector 是一款开源项目：PostgreSQL 的向量检索扩展。
这些技巧适合已经会基本操作、想进一步提效的用户。
8 条进阶用法
- 同一任务准备 5 份测试材料，改设置后统一复测。
- 记录每次的输入、设置和结果，形成自己的经验库。
- 长材料分段处理，每段完成后再要一份汇总。
- 先要大纲或计划，再要全文，复杂任务分两到三步完成。
- 敏感信息用代号替换，交付前再换回。
- 遇到瓶颈时，用 LanceDB 做一次对照，判断是工具问题还是用法问题。
- 要求输出「不确定清单」，把需要人工核实的地方单独列出。
- 把「RAG（检索增强生成）」等关键设置弄清楚再调参。
示例：分步完成的写法
构建问答测试集
准备材料：一份产品手册。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
交付前确认：每个答案都能在手册中找到。
更多可以试的用法
带来源的快速调研
适用情况：手头有一个需要事实支撑的问题时。
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。
验收标准：切分后的段落能回溯到页码。
资料卡片整理
输入：搜索得到的十几篇资料。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
交付前确认：每张卡片都有来源。
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：中文检索效果差
选择对中文支持好的嵌入模型，并为专有名词建立同义词。
常见问题：回答过于笼统
要求逐条引用原文，并限定只回答文档中有依据的内容。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
概念补充：引用溯源
回答附带原文出处，便于核对。
适合人群：记者编辑
记者编辑可以用 pgvector 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
适合人群：法务与律师助理
法务与律师助理可以用 pgvector 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。
适合人群：咨询顾问
咨询顾问可以用 pgvector 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。
注意事项
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
本文基于 pgvector 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。