工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的原创文章，来自与我们操作层软件同一套工程实践。正文为英文。
标签：Semantic Search
向量数据库的工作原理：嵌入、向量搜索与人类记忆。
基于内存的向量搜索思维模型：在RAG的向量数据库中，嵌入、相似度、最近邻索引及元数据过滤器是如何工作的。
阅读约 9 分钟为何大语言模型调用不算应用：LangChain在RAG流程中的定位
通过追踪一个从PDF上传到生成精准答案的文档问答应用，了解LangChain的实际功能，并判断在何种情况下其他框架更为适用。
阅读约 11 分钟向量数据库的运作原理：从嵌入模型到混合搜索
解释了嵌入如何编码含义、相似性搜索与索引的扩展方式，以及混合搜索和向量数据库何时真正适用于企业级人工智能系统。
阅读约 8 分钟面向高吞吐量语义搜索的向量数据库性能评测
学习一种实用的 Node.js 和 Python 方法，用于在真实负载条件下对向量数据库进行基准测试，从而为合理的架构设计及扩展决策提供依据。
阅读约 14 分钟向量数据库详解：机器如何通过语义进行搜索
向量数据库如何将文本转换为嵌入向量，从而使语义搜索能够根据含义查找结果，以及它与传统行索引数据库有何不同。
阅读约 7 分钟RAG详解：人工智能系统如何按需获取最新知识
检索增强生成的工作原理，从分块与嵌入到向量数据库与语义搜索，详解模型如何无需重新训练即可给出优质答案。
阅读约 13 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
技术文先发英文，以保证代码与 API 名称准确。站点外壳提供全部九种语言。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。