跳到正文
只看教程#搜索
  1. 掘金72

    Elasticsearch 与 Jina AI 全模态搜索项目 elastic_multimodal_search 技术解析

    开源项目 elastic_multimodal_search 用 Jina AI 多模态 embedding 把文本、图像、音频、视频帧映射到同一向量空间，再由 Elasticsearch 做 BM25 词法检索与 k-NN 向量检索的混合匹配，覆盖音乐、动物、图像、电影、图书、跨模态、套娃降维、词向量可视化 8 个 Streamlit 搜索模块。

    借鉴点

    能拿走一套可跑的多模态检索模板，含 Jina 多模态 embedding 加 ES 的 BM25 与 k-NN 混合检索、RRF 融合和 Matryoshka 截断到 128/256/512/1024 维；落到知识沉淀和本地模型部署，前提是自备 ES 8+ 集群和 OpenRouter、Gemini 密钥。

  1. 掘金78

    我用 SQLite 加 FTS5 和向量实现零依赖中文全文检索

    作者在 delta search 中用 SQLite FTS5 加向量表实现零依赖中文混合检索，解决 unicode61 把整句中文当成一个 token 导致搜不到的问题。

    借鉴点

    能拿走中文 bigram 分词加 FTS5 空格串索引、Float32 BLOB 存向量、RRF 融合三件套，落到本地知识沉淀和检索链路上；代价是单字查询失效、长查询 AND 过严、embedding 失败即永久降级。

  1. 掘金71

    用向量加 BM25、RRF 与 Rerank 四层检索解决 RAG 答不出精确问题

    作者针对向量检索无法区分 ORD-2026-0087 与 ORD-2026-0176 这类精确字符的问题，给出向量加 BM25 双路召回、RRF 融合、Rerank 精排的四层混合检索链路，并附完整 Python 实现。

    借鉴点

    能拿走向量加 BM25 双路召回、RRF 按名次融合、每路按最高分 30% 过滤、交叉编码器精排的完整链路和 Python 代码，落到知识沉淀和本地模型部署；代价是 Rerank 要调外部 API 且候选越多算力越贵。

已经到底了