不引入新数据库也能做语义搜索

默认选择通常就是对的

当顾客不用你的词时，关键词搜索就失效了。有人输入"不会皱的衬衫"，而你的目录写的是"免烫"。语义搜索通过比较含义而非字符，来弥合这个缺口。

第一反应往往是引入专用向量数据库。但对大多数商品目录和文档集来说，PostgreSQL 的 pgvector 扩展就够了，而且它有一个容易被低估的优势：向量和你的数据处在同一个事务里。

为什么这点重要

当某个商品缺货时，一个事务同时更新数据行和它的向量。换成独立的向量存储，你就多了一个同步问题，而过期向量这类 bug，通常不是以错误日志的形式出现，而是以客户投诉的形式出现。

什么时候确实该升级

专用向量数据库在超大规模、高并发查询负载，或需要 Postgres 不提供的索引类型时才开始回本。这是一条真实的门槛，到了就该跨过去。但大多数在问这个问题的团队，离那条线还很远。

几点实务提示

• 把原文和向量存在一起，这样才能展示引用来源。
• 更换嵌入模型后要重新生成向量。不同模型的向量之间无法比较。
• 语义搜索和关键词搜索并用。商品编码的精确匹配，永远不该输给模糊的语义匹配。