Pencarian Vektor
Pencarian vektor menemukan konten berdasarkan makna, bukan kata persis. Teks diubah menjadi embedding berdimensi tinggi, lalu metrik kemiripan seperti cosine distance merangking vektor tersimpan berdasarkan kedekatannya dengan vektor query, mengembalikan passage yang terkait secara konseptual meskipun tidak ada keyword yang cocok.
Sinonim: semantic search, similarity search, nearest-neighbor search, embedding search
Pencarian vektor menggerakkan retrieval semantik: alih-alih mencocokkan string, ia mencocokkan makna. Query dibuat embedding ke ruang vektor yang sama dengan konten terindeks, dan indeks mengembalikan vektor terdekat berdasarkan metrik jarak. Agar tetap cepat pada skala besar, sistem produksi menggunakan indeks approximate nearest-neighbor yang menerima trade-off akurasi kecil untuk kemenangan latensi besar. Pencarian vektor paling efektif ketika dipasangkan dengan keyword search dalam retriever hibrida, sehingga identifier persis tidak hilang karena pencocokan semantik murni.