Vector Search
向量检索按 embedding 相似度召回语义相近的文档片段。它把「词语是否相同」换成「向量是否相近」，因此能召回同义改写，但代价是牺牲了精确匹配能力，并且相似度度量与过滤方式会直接影响结果。它解决的问题是关键词检索无法匹配同义改写，而其自身对精确字符串、生僻词的不足，又催生了 混合检索 与 Reranker 的组合。
快速开始¶
先固定索引版本和 query 集，作为评估基准。明确相似度度量：归一化向量可用内积等价于余弦，未归一化则需在余弦与内积之间二选一，并保证建索引与查询使用同一度量。两种度量的定义为
余弦只关心方向不关心模长，适合「向量长度不携带语义」的场景；内积对模长敏感，且是很多 ANN 索引（如 Faiss 的 IndexFlatIP）的原生度量。
数据量大时，逐条比较（暴力检索）的成本不可接受，于是用近似最近邻（Approximate Nearest Neighbor, ANN）换召回精度以换取速度。两类主流结构：IVF（倒排文件索引）先用聚类把向量空间分成多个单元，查询只搜索最近的几个单元（nprobe 控制搜索单元数），把「全量比对」变成「子集比对」；HNSW（层次可导航小世界图，见 Malkov 与 Yashunin 的论文）构建多层图，查询从高层到低层做贪心跳转逼近近邻。前者的召回-速度权衡由 nprobe 调，后者由图连接度等参数调；Faiss 是二者最常见的开源实现。
import faiss
import numpy as np
d = 768
index = faiss.IndexHNSWFlat(d, 32) # 32 为每节点连接数
index.hnsw.efSearch = 64 # 查询时扩展的候选数，越大召回越高越慢
index.add(doc_vectors) # 归一化后等价于余弦检索
D, I = index.search(query_vectors, k=10) # D 距离, I 文档 id
用固定 query 集报告三件事：Recall@k（标准片段是否进前 k）、延迟（单次查询的端到端耗时）、过滤正确性（带条件的查询是否只在正确范围内召回）。过滤正确性往往被忽略，但它是权限与多租户场景的正确性前提——ANN 索引的过滤与普通查询不同，若在召回后再硬过滤，可能因「近邻都落在过滤范围之外」而漏召回，因此更稳妥的是用支持过滤的索引（如 IndexIVFFilter 或先过滤再检索）。
评估时把「纯向量召回」与「过滤后召回」分开看：先确认过滤逻辑本身不越界、不漏，再优化相似度召回。任何索引重建或度量变更后，都回到同一 query 集复测，保证可比。
案例¶
用户询问退款规则，系统先按租户与文档版本做过滤，再在过滤后的范围内召回 top-k。这样既保证只搜本租户、当前版本的内容，又用向量相似度找到语义相近的退款条款。注意「过滤 -> 检索」与「检索 -> 过滤」的顺序差异：后者的召回数在过滤后可能不足 k，前者则始终在合法范围内做近邻搜索。
若过滤缺失或写错（例如租户条件漏配），向量检索会跨租户召回其他客户的条款，产生越权引用；若过滤过严，又可能漏掉本应命中的标准片段。因此过滤条件必须来自可信上下文（如登录态、文档版本号），不能依赖模型自行判断——让模型「自觉」判断租户边界是危险的，它可能因语义相似而越界。
该案例说明向量检索的正确性由「度量 + 过滤 + 索引一致性」共同决定。评估时单独报告过滤正确率，能及早暴露这类安全问题，而不是只看 Recall@k 数字是否好看——Recall@k 只度量「找没找到相关」，过滤正确率度量「有没有越界」，两者都是上线前的必查项。