向量数据库
向量数据库专门存向量的相似度、做语义检索，是 RAG 和语义搜索背后那块负责『找最相关资料』的存储层。
向量数据库把文本、图片等内容经 Embedding 转成的向量存起来，按相似度而非关键词做检索，专门解决『意思接近但用词不同』的匹配问题。它是语义搜索、推荐和 RAG 的底层存储，配合 Embedding 把问题和资料放进同一语义空间，快速找回最相关的片段。
Perplexity 开源多模态嵌入模型：文本和图片共用一个检索空间
Perplexity 的新嵌入模型把文本和图片放进了同一个检索空间。2026 年 10 月 7 日，Perplexity 首席执行官阿拉温德·斯里尼瓦斯宣布开源 pplx-embed-v2-late，权重已发布到 Hugging Face，采用 MIT 许可。这是一组多向量嵌入模型，包含 9B 与 ...
Admin
93 
RAG 到底是什么？它和微调、提示词工程的区别
RAG（Retrieval-Augmented Generation，检索增强生成）是一种让大语言模型先查资料再回答的技术：模型在生成答案之前，先从外部知识库中检索与问题相关的内容，再把这些内容作为依据写出回答。它解决的正是模型的两个老毛病——训练数据有截止日期、遇到不知道的事容易一本正经地编造（幻...
Admin
104 
向量数据库是什么？为什么它总会和 RAG 一起出现
向量数据库几乎成了 RAG 方案里的高频词，很多人一看到它就觉得这是个很重的基础设施。其实从功能上理解，它并不神秘。向量数据库的核心作用，是把文本、图片或其他内容的向量表示存起来，并且支持高效做相似度检索。也正因为它擅长“找最像的内容”，它才总是和 RAG 一起出现。 如果你做的是普通关键词搜索，传...
Admin
136 
Embedding 是什么？为什么语义搜索和知识检索都离不开它
Embedding 是很多 AI 应用底层都会用到的能力，但它不像聊天模型那样容易被普通用户直接感知。简单说，Embedding 会把一句话、一段文本或一张内容转换成一组可以计算相似度的向量表示。也正因为这样，系统才能判断“这两句话虽然字面不同，但说的是同一件事”，这就是语义搜索和知识检索离不开 E...
Admin
127 
什么是向量库？向量数据库详解
一、概念 向量库是为“向量”（embeddings）而生的数据库：它存储由文本、图片、音频等数据通过嵌入模型转换出的高维向量，并提供基于相似度（如余弦、内积、L2 距离）的近邻检索能力。相比只做精确匹配的关键词搜索，向量库擅长找“语义相近”的内容，用于语义搜索、推荐、RAG 等任务。 二、为什么需要...
Admin
266