语义搜索

语义搜索是什么

语义搜索（Semantic Search）是一种按「含义」匹配的搜索技术：查询与文档先被编码成向量（Embedding），再通过向量相似度计算找出语义上最相关的结果。即使用户表达与文档用词完全不同，只要意思相近就能命中。

与关键词搜索的区别

• 关键词搜索（BM25 等）：按字面词匹配，快但对同义词、改写、口语化表达不敏感
• 语义搜索：理解同义改写与上下文，召回更准，但需要向量化计算与索引
• 混合搜索：两者结合（如 RRF 融合排序），兼顾精确命中与语义理解，是工业界主流

核心工作原理

1. 内容编码：用嵌入模型把文本转成高维向量
2. 向量索引：存入向量数据库（Milvus、Weaviate、pgvector 等）并建索引
3. 查询编码：查询同样向量化
4. 相似度检索：按余弦相似度等指标取 TopK
5. 重排序：结合相关性模型精排，输出结果

典型应用场景

• 企业知识库问答（RAG 的检索层）
• 电商/内容平台的智能搜索与推荐
• 代码、法律、学术等专业文档检索

注意事项

语义搜索质量取决于嵌入模型与索引规模；「语义相似」不等于「事实相关」，生产系统通常叠加关键词与重排序保证精度。语义搜索是 RAG 与大模型应用的关键底座。