向量庫與搜尋常被混,但解不同問題。知用哪個——及何時用兩者——是檢索系統答與非猜之分。
各做啥
傳統搜尋索 token,按詞疊與結構配查詢——快、精、使用者知確切措辭時佳。向量庫存嵌入,按語意相似檢,故“退款政策”可配“如何拿回錢”無共詞。 非對手而不同鏡:一鏡詞,一鏡意。
關鍵詞勝處
對法律條款、產品 SKU、錯誤碼、或確切術語要緊處,關鍵詞搜尋無敵。亦更便宜易審,因匹配透明:術語在文件。 若檢索多“找確切物”,你不需向量。加之為無益成本。
向量勝處
對支援答、知識文、或使用者以己言問而正源用異詞處,向量亮。它捕 token 匹漏的釋義意圖。正是這使自然語言 Q&A 感智慧。 權衡是 opacity:向量配是相似分非可見詞,故需重排與出處保可信。
奏效混合
生產檢索棧少選一。並行跑關鍵詞與向量,再按相關重排合併候選,引出源。關鍵詞保確切術語精;向量保意召回;重排調和。 這混合是 RAG 事實標準,因捕所說與所意。
管治與成本
向量加嵌入算存,及源變時重新整理管。關鍵詞索引更輕。管治槓同——存取控制與出處——但向量需慎,使相似卻錯段不無重排檢而浮。 錯在假定向量自動更優。是不同;架構應配查詢。
要點速覽
- 關鍵詞搜尋勝精確確切術語結構化查。
- 向量搜尋勝基於意、容釋義檢索。
- 生產 RAG 用混合:兩者加頂層重排。
- 向量加成本且需重排保可信。
推行起點
工具配查詢:確切術語要緊處(碼、SKU、條款)用關鍵詞,措辭變處(支援、知識)用向量。RAG 並行跑兩者,重排合併候選,引出源使相似卻錯段被抓。
接下來看甚麼
預期帶重排混合檢索成 RAG 預設,向量庫加原生關鍵詞與重排支援。架構配查詢型的團隊,將避漏答與自信幻覺。
一條務實路由規則
- 查詢是精確標識時用關鍵詞:SKU、錯誤碼、條款——精確勝相似。
- 語意重要時用向量:“找類似這投訴的”或“相似過往事件”,你叫不出欄位名時。
- 跑混合讓頂部結果合併;使用者少在意哪引擎答,只在意答對。
- 兩者都管治:限定訪問、記每次檢索所得,使相關性永不變洩漏。
- 在你自己的語料上基準,而非供應商的,因你的查詢不是他們的演示查詢。
之爭從非向量對搜尋,而是何時用哪。交付路由規則的團隊——精確查走關鍵詞、相似走向量、邊緣合併——拿到相關性而無科學項目,成本可預期,也停下了對使用者從不可見的抽象之爭。
按問題的形狀路由,使用者拿到相關性,而無需知道是哪臺引擎答的。