文档摘要

语义搜索与 RAG：从相似检索到智能问答 本节把向量检索用起来，构建两类典型 AI 应用：语义搜索（找相似内容）与检索增强生成（RAG，基于知识库回答问题）。它们是 pgvector + 大模型最主流的落地形态。 应用一：语义搜索 语义搜索的目标是：用户用自然语言提问，系统返回「意思最相关」的内容，而不要求字面匹配。 工作流程 步骤拆解： 查询转向量：把用户的查询文本（如「怎样提升网站性能」）用同一个嵌入模型转成向量。 相似度检索：用该向量在表里做相似度查询，取最相关的若干条。 结果展示：把结果按相似度排序返回，可附带相似度分数。 关键一致点：查询用的嵌入模型必须与建库时生成向量用的模型同一款。不同模型的向量空间不兼容，混用会导致检索毫无意义。

---