近似最近邻搜索（ANN）
科普速读
- 它是什么： ANN 搜索不必逐项精确比较，就能找出相近向量。
- 适合什么场景： 减少大型向量集合的查询时间。
- 主要边界： 它可能漏掉精确距离最近的结果。
概览
支持系统可能要从数百万条历史故障报告中查找相似案例。逐条精确扫描代价较高，因此可以先用近似索引找出可能相关的候选。
核心定义
近似最近邻搜索使用索引，以低于全量精确比较的成本找到接近查询向量的结果。
背景与发展
向量集合变大后，逐一扫描会更慢、成本更高。ANN 方法通过减少候选比较数量，接受一定召回损失来降低查询成本。
工作机制（How It Works）
索引把向量组织成分区或邻居图等结构。查询只访问部分区域，返回可能的近邻，再交给重排器做更细的比较。
在软件测试与开发中的应用
代码助手可以为“登录超时在哪里处理”查找相关文件。若精确标识符很重要，可再加关键词搜索，并检查最终结果是否包含目标文件。
优势与局限
ANN 能在大规模数据上减少延迟和计算量。召回效果受索引、参数、数据和查询分布影响；更新数据也可能需要维护索引。
与相近术语对比
向量搜索是查找相似向量这一类任务；ANN 是加速向量搜索的一种方法；重排则是在召回后调整候选顺序。
实施建议（Best Practices）
用真实查询和有代表性的数据测召回率，并比较延迟、内存、索引构建时间和更新成本。
常见误区（Pitfalls）
不要把 ANN 结果当作数学上精确的最近邻。平均指标高，也可能掩盖重要查询的漏检。
FAQ
ANN 一定会返回实际距离最近的结果吗？
不一定。它用更少的比较换取速度，因此可能损失精确度。