向量数据库
已收录文章：5篇
-
从 RAG 应用答非所问的现场出发，逐步检查文档切块、Embedding、向量召回、混合检索和上下文拼接，给出一套可复查的排查路径。427 收藏
-
Embedding 模型升级或调整 dimensions 后，旧向量、查询向量和数据库索引可能不再兼容。本文用维度契约、双写灰度和检索验收三步，说明如何安全迁移并避免静默召回下降。313 收藏
-
RAG 问答里反复出现相同段落，通常不是模型突然变笨，而是切块重叠、相邻片段、候选数量和证据合并共同造成的。本文用一组可复现的检索样例分层排查重复来源，再说明 MMR、多样性阈值和最终去重应该放在哪一层。259 收藏
-
Embedding 模型一换，向量维度可能跟着变化，批量写入时轻则报错，重则让新旧数据混在同一索引里。本文用维度契约、批量预检、双索引切换和回滚清单，把模型升级变成可验收的入库流程。202 收藏
-
RAG 知识库更新后仍返回旧答案，通常不是模型突然失忆，而是旧分片仍能被召回。本文用文档版本、元数据过滤和固定问题集建立一条可验收的更新流程，覆盖发布、回滚和灰度边界。104 收藏