相似度搜索

相似度搜索解决的是“两个向量有多接近”。在 RAG 里，问题和文档片段都会被转成向量，检索系统再按相似度找候选内容。

它不是在判断答案对不对，只是在找“看起来相关”的材料。

常见相似度方式

常见方式包括：

• Cosine：看方向是否接近。
• Dot Product：看方向和长度的综合关系。
• Euclidean：看空间距离。

实际使用哪一种，要和 Embedding 模型、向量库配置保持一致。

分数不能直接当答案质量

相似度高，只说明片段和问题在向量空间里接近，不说明片段一定能回答问题。它可能相关但不完整，也可能命中背景但漏掉关键条件。

所以相似度召回后，经常还需要过滤、Rerank 和生成阶段约束。

一句话先记住

相似度搜索负责找候选，不负责证明答案正确。

继续阅读

• 04-rag/005-embedding.md
• 05-retrieval/005-rerank-engineering.md