语义搜索实现：2026 年完整开发者指南

语义搜索根据含义而非精确关键词查找结果。你将文本转换为嵌入（稠密向量），存储在向量索引中，查询时嵌入查询并检索最近的向量。它是 RAG 的检索部分，也是“查找关于取消订阅的文档”能匹配到标题为“如何终止你的计划”页面的原因。

管线

分块：将文档切分为段落（每段几百个 token）。

嵌入：使用嵌入模型对每个块进行嵌入。

存储：将向量和元数据存储在向量数据库中。

查询：嵌入用户文本，检索 top-k 最近的块。

（可选）重排：在传递给 LLM 之前对 top-k 结果进行重排以提高精度。

python
pip install openai
from openai import OpenAI
client = OpenAI()
def embed(texts):
    r = client.embeddings.create(model="text-embedding-3-small", input=texts)
    return [d.embedding for d in r.data]
docs = ["How to cancel your subscription", "Resetting your password", "Billing FAQ"]
doc_vecs = embed(docs)
import numpy as np
def search(query, k=2):
    q = np.array(embed([query])[0])
    sims = [float(np.dot(q, v) / (np.linalg.norm(q) * np.linalg.norm(v))) for v in doc_vecs]
    return sorted(zip(docs, sims), key=lambda x: -x[1])[:k]
print(search("end my plan"))  # → "How to cancel your subscription" 排名第一

numpy 版本仅用于说明——生产环境中应使用向量数据库，以便在大规模下保持搜索速度。

选择向量存储

原型/本地：Chroma 或 pgvector——参见 Chroma vs Qdrant 和 pgvector 指南。

生产/大规模：Qdrant、Pinecone 或 Weaviate——参见 Pinecone vs Weaviate。

质量杠杆

分块比嵌入模型更重要。块太大则检索不精确；太小则丢失上下文。尝试 200–500 个 token，并带少量重叠。

混合检索（结合语义 + 关键词/BM25）能捕获纯向量遗漏的精确术语（代码、名称）。

重排：使用交叉编码器对较大的 top-k 结果进行重排，可在 LLM 看到之前显著提高精度。

元数据过滤（日期、来源、语言）先缩小候选集范围。

整个流程是 RAG 的检索阶段——要构建完整管线，请参见 LangChain vs LlamaIndex for RAG 和 LlamaIndex 生产级 RAG。

常见问题

嵌入 vs 关键词搜索？ 关键词匹配精确术语；嵌入匹配含义。混合搜索两者兼用。 选择哪个嵌入模型？ 当前通用模型即可开始；更大的收益来自分块和重排。 检索多少结果？ 检索一个较大的 top-k（例如 20），重排，然后将最佳的几个传递给 LLM。

总结

语义搜索 = 嵌入、存储、通过近邻检索。正确分块，添加混合搜索和重排以提高精度，选择适合规模的向量存储。它是每个 RAG 系统的骨干。

---

*最后更新：2026 年 6 月。请根据 OpenAI 文档验证嵌入 API。*