向量搜索（Vector Search）
科普速读
- 它是什么： 向量搜索根据查询向量找出表示相近的项目。
- 适合什么场景： 用户说法不同时查找相关内容。
- 主要边界： 相似度只给出候选，不是经过验证的答案。
概览
用户搜索“登录后白屏”，而报告写着“认证回调后渲染失败”。如果两段内容的向量接近，向量搜索可能找到相关报告。
核心定义
向量搜索根据距离或相似度，从索引中找出与查询向量表示接近的项目。
背景与发展
嵌入模型让系统能够用学习得到的表示比较内容。向量搜索把这种比较用于文档、代码、图像和其他数据集合。
工作机制（How It Works）
模型把查询和已存项目转换成向量。搜索系统比较这些向量，通常会使用索引，并返回相近候选。
在软件测试与开发中的应用
用户不知道确切术语时，可以按含义搜索代码、缺陷报告和文档。遇到版本号、错误码和函数名时，再配合关键词检索。
优势与局限
向量搜索可以匹配字面检索找不到的相近说法，也可能返回涉及错误产品、版本或根因的内容。
与相近术语对比
嵌入生成向量表示；向量搜索用这些向量查找近邻；向量数据库保存向量，并可能提供相关检索功能。
实施建议（Best Practices）
使用有代表性的查询，调整过滤条件和候选数量，并检查检索到的来源是否支持生成答案。
常见误区（Pitfalls）
不要把向量相似度当成事实一致性。向量搜索也不会自动提供引用或判断答案是否正确。
FAQ
向量搜索像人一样理解含义吗？
不是。它比较模型学到的数值表示，这些表示可能反映有用关联，也可能匹配错误内容。