向量检索

找到 6 篇关于此标签的文章

知衣科技把服装检索搬上阿里云：算力砍七成，向量搜索正式成为云上标配

知衣科技把跨境服装选品检索迁到阿里云 MaxCompute，CPU 消耗降 73%、内存降 93%。值得关注的是，向量检索正在变成云上标配，AI 落地的成本曲线又下一档。

向量检索是 AI 回答'基于文档'问题的核心环节。字节系火山引擎打包开源 DiskANN+RaBitQ 组合，号称比 HNSW 快 5.5 倍、内存省 90%。技术上值得关注，但原文本质是七夕营销稿，落地在云搜索和 Milvus 产品里。我们拆开看。

我们注意到一个常被忽视的问题：企业花大钱建的 AI 知识库，文档每次更新，背后的索引都得重新处理。百万级文档全量重建要几小时，增量更新又容易新旧版本冲突。这才是 RAG 真正落地的坑。

当你的标签库大到塞不进提示词，传统的'让 AI 从词表里挑'就行不通了。Doug Turnbull 的思路是让模型自由生成标签，再用向量嵌入匹配回现有词表。这反映了一种更普遍的分工：让 LLM 做它擅长的，让向量检索做约束。

Elasticsearch 9.4 把搜索从「给人看的工具」升级为 Agent 的记忆体与行动驱动层：向量检索 DiskBBQ 吞吐达 Qdrant 7 倍，Agent Builder 与 MCP 协议把搜索结果直接接入推理链路。这是中间层厂商对 Agent 时代的一次明确押注。

企业 AI 知识库总翻车，多数人以为是模型不行，但我们注意到真正的瓶颈在检索层。向量相似度不等于业务相关性，优化检索策略才是让 AI 落地的解药。