搜索[向量检索]结果-低调大师优秀个人博客

精选列表

搜索[向量检索]，共9850篇文章

RAG 检索工程：经典检索、向量代理与 top-k 的取舍

一个 GEO 项目执行了一段时间，内容持续产出、品牌词搜索也能看到入口，但 AI 在回答类目问题时始终不推荐该品牌。此时最忌讳的动作是笼统归因于“内容不够”“权重不足”，然后继续盲目加量。更有效率的做法是把 GEO 链路拆成五个断点，逐一排查到底断在哪一环。

2026-08-20

【系列·第 3 篇】Spring AI 2.0 的RAG企业知识库_ETL向量库与检索质量工程

系列：《从 Spring Cloud 微服务到 Spring AI Agent：企业级落地》第 3 篇（共 6 篇）统一基线：JDK 21 + Spring Boot 4.0.x + Spring AI 2.0.0 GA + Anthropic starter（Claude）本篇交付：企业知识工作平台 v0.3——文档 ETL 入库、带引用与权限的知识问答、评估与运营闭环

2026-08-17

语义检索与向量数据库选型：从 FAISS 到 Milvus 的落地对比

① 维度一致性：embedding 模型与检索端必须用同一模型，否则向量不在同一语义空间，相似度毫无意义。维度通常 768（bge-base）或 1024（bge-large）。

2026-08-17

RAG全链路设计：文档解析、Chunk策略、向量+BM25混合检索、高效召回、重排序22.1

其实绝大多数RAG项目翻车，根本不是大模型能力不足，而是检索链路设计不合理。RAG的核心逻辑从来不是让大模型更聪明，而是给大模型找对、找全、找准参考资料。

2026-09-10

大模型技术博客与论文库怎么做混合检索——BM25 + 向量的工程落地

做大模型方向的技术博客/论文库检索时，纯向量方案经常会"翻车"：用户搜"LLaMA-3 的 context length 是多少"，向量召回回来的却是一堆讲"长上下文综述"的泛文章，因为没有一篇标题恰好语义匹配

2026-09-13

多模态检索入门：CLIP 图文对齐与向量召回原理

直接答案：多模态检索让系统能用文本搜图片、用图标题：多模态检索入门：CLIP 图文对齐与向量召回原理片搜文本，核心依赖 CLIP 这类对比学习模型把不同模态映射到同一向量空间。

2026-08-18

混合检索（Hybrid Search）工程实践：向量召回与关键词召回的融合

直接答案：纯向量检索在精确匹配、生僻词、专有名词上容易失准，混合检索把稠密向量召回与稀疏关键词召回（如 BM25）融合，是生产级 RAG 系统提升准确率的基础做法。

2026-08-19

阿里云Milvus 2.5：支持全文检索，1次查询实现文本+向量双精度匹配

目前，阿里云向量检索服务 Milvus 版（简称阿里云 Milvus）集成开源 Milvus2.5版本内核，在支持向量检索的基础上，新增支持原生全文检索、基于特定词汇的精准文本匹配等功能，在 RAG、多模态搜索等场景下搜索精度明显提升

2025-03-03

向量数据库入门与选型：从云原生视角看语义检索这波变革

AI 这波，做的是把「语义检索」也解耦出来——而承接它的，就是向量数据库。

2026-09-11

ChatGPT 5.6 长上下文应用中，腾讯云向量数据库不只是“补充检索”

做长上下文应用时，很多团队会先遇到一个很现实的问题：材料明明给得更多了，回答却没有更稳，反而更容易混、漂、漏。需求文档、接口说明、会议纪要、故障日志、历史方案一起塞进去，模型看似“知道得更多”，但输出经常开始把旧版本和新版本混在一块，把约束条件和背景描述混成同一层级。这不是简单的提示词问题，而是上下文治理问题。

2026-07-17

词向量的运用-用词向量理解词组的含义

词向量最大的意义是把原来的字符串变成了一个数字形式的向量，也就是说现在词和图像变得非常相近，因为图像也就是例如255*255的像素点，而每个像素也是一个数字。

2016-11-17

Nutla-全文检索千亿数据检索框架

全文检索千亿数据检索框架-nutla 参考资料：http://code.google.com/p/nutla/ 核心结构： lucene + hadoop 分布式搜索运行框架概述不管程序性能有多高，

2017-11-13

向量时钟的本质

2 向量时钟向量时钟（Vector Clock）其实是Lamport clock的一种很自然的extension了，其定义的是偏序而不是全序，于是可以表示concurrent的关系，据考证类似概念最早由

2021-10-25

背景近期业务需要使用文本上下文语义特征，而将文本进行编码和表征是NLP最核心的技术之一，于是调研了表征文本的相关技术，总结如下, 以飨后人。混沌未开在word2vec诞生之前，NLP中并没有一个统一的方法去表示一段文本。从one-hot表示一个词到用bag-of-words来表示一段文本，从k-shingles把一段文本切分成一些文字片段到汉语中用各种序列标注方法将文本按语义进行分割，从tf-idf中用频率的手段来表征词语的重要性到text-rank中借鉴了page-rank的方法来表征词语的权重，从基于SVD纯数学分解词文档矩阵的LSA，到pLSA中用概率手段来表征文档形成过程并将词文档矩阵的求解结果赋予概率含义，再到LDA中引入两个共轭分布从而完美引入先验，句子表征走过了漫长的黑暗时期。一丝

2019-04-24

检索索引库

2017-05-14

全文检索（elasticsearch入门）

其集成数据库同步插件，不仅支持几乎实时的全文检索服务，还支持距离查询，提供类似类似百度地图离我最近查询。

2016-11-29

SVM支持向量机详解

一、凸集可分离定理还是以二维空间为例，中学时代我们就学过直线方程，比如有直线方程y=2x-1,如下图所示：把直线方程y=2x-1写成内积形式: 向量(-2,1)对应上图中OA向量，把OA向量变为单位向量

2021-06-29

java 实现支持向量机

https://github.com/kevin0016/java-SVM

2018-09-24

Tensorflow快餐教程(3) - 向量

向量向量在编程语言中就是最常用的一维数组。二维数组叫做矩阵，三维以上叫做张量。向量虽然简单，高效，且容易理解。但是与操作0维的标量数据毕竟还是不同的。

2018-04-22

RAG 实战教程（二）：向量相似度、向量数据库与 Chroma 实战

其中索引比较简单，你只需调用在线 Embedding 接口生成向量，再保存成 JSON 文件，查询时逐条计算相似度。

2026-08-21

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。