传统关键词检索靠字面匹配，「找不到同义说法」是硬伤。向量检索先用 embedding 模型把文本映射成高维向量，语义相近的文本在向量空间里距离也近——搜「头疼怎么办」能命中写着「缓解偏头痛」的笔记。
它是 RAG 与长期记忆系统的底层支撑：记忆条目与知识库切片都以向量索引，按语义而非字面召回。
在隐界里亲手试试
浏览器即开即用，不需要注册任何信用卡。
向量检索（Vector Search）
把文本转成高维向量后按「语义相似度」查找的检索方式，能找到意思相近但用词完全不同的内容。
把文本转成高维向量后按「语义相似度」查找的检索方式，能找到意思相近但用词完全不同的内容。
传统关键词检索靠字面匹配，「找不到同义说法」是硬伤。向量检索先用 embedding 模型把文本映射成高维向量，语义相近的文本在向量空间里距离也近——搜「头疼怎么办」能命中写着「缓解偏头痛」的笔记。
它是 RAG 与长期记忆系统的底层支撑：记忆条目与知识库切片都以向量索引，按语义而非字面召回。
浏览器即开即用，不需要注册任何信用卡。