向量库与 Embedding

Embedding通过编码器将文本压缩为高维稠密向量，实现语义相似度检索（余弦距离）；稀疏向量如BM25用于关键词匹配。主流向量库选型需结合场景：Chroma适合中小原型，Weaviate支持原生混合检索（关键词+向量）与多租户隔离，Milvus面向大规模分布式生产，Pinecone提供免运维SaaS服务。性能优化依赖ANN算法（如HNSW），牺牲极小精度换指数级提速。实战中向量化耗时占90%，需预处理题干降维、去无关文本并异步更新。选型核心：Embedding优先中文优化模型，向量库按规模与运维能力匹配。