✏️ AI 术语图鉴

语义搜索 · Semantic Search

英文：semantic search（semantic 重音在 man）

知识库与 RAG难度：进阶 ★★

🗣️一句话大白话

按「意思」搜，而不是按「字面」搜。你问「机器太卡了」，它能找到标题叫「性能优化指南」的文档——字面毫无重叠，意思高度一致。

语义搜索：按「意思」找，不是按「字」找搜「猫咪」也能匹配「猫」——拼写不同、意思相近照样找得到❌ 关键词搜索（字面匹配）搜「猫咪」→ 只找含「猫咪」的✅ 语义搜索（意思匹配）搜「猫咪」→ 「猫」「喵星人」都出来💡 原理：靠 Embedding 把文字变向量，算「意思距离」——越近越相关场景：站内搜索、知识库问答、推荐系统；RAG 的检索层就是语义搜索
「语义搜索」示意图

🎬真实场景

客服知识库里搜「退款」：关键词搜索只返回含「退款」俩字的文档；语义搜索能把「订单取消」「钱怎么退回来」都找出来。新手问题的措辞千奇百怪，语义搜索是知识库好用的关键。

📮你可以这样说

「「先用语义搜索查相关知识，再回答」——对支持的工具说；更多时候你该检查知识库产品有没有开这个能力。」

通过 AI绘图 工作台生成（模型 API 额度由此消耗）；未配置模型密钥时会提示失败原因。

⚠️边界与常见误解

  • ▸依赖 Embedding 质量：专业术语、缩写多的领域要先测效果
  • ▸对精确匹配反而弱：搜编号、报错代码、型号，关键词更准——好产品两者都做（混合检索）
  • ▸找到≠答对：语义搜索只负责把资料翻出来

🕸️知识关系图

这个词条与相关术语、AI绘图 知识的连接关系

相关术语相关术语
Embedding
embedding
RAG
Retrieval-Augmented Generation
语义搜索
semantic search

🔗相关术语

EmbeddingembeddingRAGRetrieval-Augmented Generation