本地向量检索入门：让博客搜索理解不同的提问方式

用户搜索的词可能与文章标题不同。本文介绍文本向量检索的基本接入顺序，以及如何用真实查询样本判断搜索结果是否更有帮助。

先把文章变成可比较的片段

本地向量检索适合处理“同一个意思、不同写法”的查询。嵌入模型把文本转为数值向量，再通过相似度寻找候选内容。它与直接生成文章的模型用途不同，不能把普通聊天接口返回的文字当作向量存储。

先从少量文章开始，按完整语义分段，为每段保存文章编号、标题和原文位置。使用同一嵌入模型处理文章与用户问题；更换模型后应重建索引，不要把不同维度或不同模型的向量混在一起。Ollama提供本地嵌入接口，适合先做小规模验证。

用查询样本检验是否值得接入

准备十个真实问题，包括准确标题、近义提问和站内没有答案的问题。分别记录关键词搜索与向量搜索的前几个结果，由人判断是否能解决问题。相似度高只是候选信号，不代表两篇文章事实相同，更不能直接认定抄袭。

为了保留可解释性，可以先用关键词筛掉明显无关内容，再对候选段落排序。结果页显示标题和命中的原文片段，供读者判断。文章修改或删除后同步更新索引，避免搜索点进旧内容。只有在这些样本上更稳定地找到答案，才扩大到全站；不要只展示漂亮的相似度数字。

官方参考

资料核对日期：2026年10月26日。

Ollama：Embeddings