9、向量、检索与 RAG 术语
| 术语 | 一句话解释 | 解决的问题 / 易混点 | 建议先看 |
|---|---|---|---|
| Embedding | 把文本变成向量表示 | 让语义相近的文本在向量空间里更接近 | 18 |
| 向量 | 文本、图片等内容的数值表示 | 本教程里主要指文本向量 | 18 |
| 向量数据库 | 存储和检索向量的数据库或能力 | 核心价值是语义相似检索，不是普通 SQL 查询 | 18 |
| Qdrant | 向量数据库 | 电商问数项目中用于向量检索 | 实战问数 5 |
| Elasticsearch / ES | 搜索引擎 | 更偏全文检索、关键词检索和倒排索引 | 实战问数 5 |
| 相似度 | 衡量两个向量有多接近 | 常见有余弦相似度、点积、欧氏距离等 | 18 |
| 切块 / Chunking | 把长文切成小段 | 切太大噪声高，切太碎语义不完整 | 19 |
| Chunk Overlap | 相邻切块的重叠区域 | 用于减少切块断裂导致的信息损失 | 19 |
| 元数据 / Metadata | 附在文档块上的结构信息 | 比如来源、时间、标题、标签，可用于过滤和解释结果 | 18、19 |
| Retriever | 检索器 | 负责从知识库里找候选片段 | 19 |
| 召回 | 先找出一批候选内容 | 重点是别漏掉，不等于最终排序最好 | 18、19 |
| Rerank / 重排 | 对召回结果再排序 | 把真正最有用的片段放到前面 | 7、19 |
| 过滤 / Filter | 按元数据条件缩小检索范围 | 常用于租户隔离、时间范围、文档类型限制 | 19 |
| RAG | 检索增强生成 | 先查外部资料，再基于资料生成回答 | 1-3、19 |
| 索引阶段 | 准备知识库的阶段 | 包括加载文档、切块、向量化、入库 | 19 |
| 检索阶段 | 用户提问时查找候选内容的阶段 | 是运行时行为 | 19 |
| 生成阶段 | 把检索结果和问题一起交给模型生成答案 | 不只是拼接片段，还要考虑 Prompt 约束 | 19 |
| 管道式 RAG | 检索步骤基本固定的 RAG | 更好调试，更适合先学清基础链路 | 19 |
| Agent 式 RAG | 是否检索、怎么检索由 Agent 决定 | 灵活度更高，但复杂度和不确定性也更高 | 19、21 |
| RAGFlow | 面向知识库和 RAG 应用的平台 | 深度研搜项目里用于查询企业内部知识库 | 实战深搜 8 |