关于weaviate的关键词和向量搜索优劣
| 模式 | 搜索逻辑 | 适合场景 |
|---|---|---|
| 向量搜索 | 语义匹配，靠向量距离 | 表达相似但用词不同（如同义句） |
| 关键词搜索 | 字面匹配，靠关键词命中 | 用户输入的是“关键词”或短语 |
举例对比：
记忆内容：
“Java 架构师的名字是 Tom。”
用户查询：
-
“谁是架构师？”
→ 向量搜索能命中（意思接近）
→ 关键词搜索完全没命中 -
“Tom” / “架构师” / “Java”
→ 关键词能命中（文本含词）
→ 向量搜索反而未必命中（向量分数太低）
为什么“向量可能搜不到关键词命中内容”？
因为向量搜索是“语义空间”的距离：
-
如果用户输入的词非常简短或抽象（如“好”、“人名”、“单字”）
-
或者模型 embedding 不够准确
-
或者你用了
certainty > 0.85做了剪枝
就会出现：语义向量搜不到，字面却包含关键词的情况
关键词 fallback 就是为这种“精确小词匹配”兜底设计的
-
向量搜索负责“语义相关”
-
关键词搜索负责“精确命中”
两者结合：即使 embedding 模型不够完美、内容风格多变，也能最大限度保证记忆被找回来。