K1 · 语义检索：把「意思」变成坐标

K0 说 RAG 的第一步是检索——从知识库里找出相关资料。可这一步远没有听起来简单。

用户问「怎么退货」，你知识库里那段偏偏写的是「本店支持七天无理由退换」。两句话说的是同一件事，却一个字都不一样。老式的「按字面找」在这里直接歇菜。RAG 需要的是另一种检索：按意思找。

这一章拆开「按意思找」是怎么做到的——先讲清它的核心思想（把意思变成坐标），再讲支撑它跑在亿级数据上的引擎（向量数据库）。

小节	你会获得的直觉	实验
K1.1 从「对字」到「对意思」	把查询和资料都变成向量，找最近的点	🎮 语义搜索台
K1.2 向量数据库与最近邻	亿万个坐标里，怎么秒级找到最近的	—
小结与自测	全章要点回顾 + 综合自测	📝

阅读前提

需要 K0 的 RAG 三步，以及上篇一个关键概念：1.4 词向量——「意思相近 → 向量相近」。语义检索就是它的直接应用，忘了的话花五分钟回去玩玩那个「词向量地图」。