🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
🔍
向量数据库与RAG实战在RAG系统中,Embedding模型的选择比向量数据库的选择更重要——好的Embedding配简单的数据库,往往胜过顶级数据库配差的Embedding。这就像图书馆的索引员比书架本身更决定找书效率。
一句话总结
💡
向量数据库是 RAG 的存储与检索底座，实战中需统筹分块、嵌入、索引与重排以实现高质量知识问答。
常见误区
这些坑别踩
✗
误区 1
用了向量数据库 RAG 就一定准。
✓
正确理解
检索质量受分块和嵌入影响，库本身不保证效果。
✗
误区 2
检索到的就是需要的。
✓
正确理解
需重排和过滤去除噪声，检索结果未必都与问题相关。
✗
误区 3
RAG 只需向量检索。
✓
正确理解
结合关键词（BM25）的混合检索常优于纯向量检索。