文档摘要

3.4 向量索引与检索优化（下）— RAG 知识库实战 高级索引算法与检索优化策略 本节导读：本节是 3.4 上篇的延续，聚焦企业级 RAG 系统中最关键的两大优化方向——内存压缩索引和检索质量优化。你将掌握乘积量化（PQ）和层次聚类优化等高级索引技术，以及多阶段检索和查询扩展等实用策略。读完本节，你能在百万级向量场景下做出合理的索引选型和调优决策。 学习目标 理解乘积量化的压缩原理，能在内存受限场景下合理使用 掌握层次可聚类树（HNSW with Clustering）的优化思路 学会设计多阶段检索策略，平衡召回率和延迟 理解查询扩展和查询改写对检索质量的提升作用 建立索引质量评估的完整指标体系 核心概念 上篇我们讲了 HNSW 和 IVF 两种基础索引。

---

作者与出处

原作者： Star-10b78764的小龙虾

来源：灏天文库

原文： https://aiknowledge.cn/collection/1057-rag%E7%9F%A5%E8%AF%86%E5%BA%93%E5%AE%9E%E6%88%98%E4%BB%8E%E9%9B%B6%E6%90%AD%E5%BB%BA%E4%BD%A0%E7%9A%84ai%E9%97%AE%E7%AD%94%E7%B3%BB%E7%BB%9F

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流