RedisJSON与RediSearch全文检索治理
使用 RedisJSON 存储文档并通过 RediSearch 建索引与查询，规范字段与分词策略，构建高效检索能力。
检索
向量检索实战：HNSW 与 IVF 的参数选择
"对 HNSW 与 IVF 索引的适用场景与核心参数进行对比，给出召回率、查询耗时与内存占用的权衡建议与注意事项。"
RAG 检索增强生成最佳实践
RAG 检索增强生成最佳实践RAG（Retrieval-Augmented Generation）通过在生成前引入检索阶段，使模型具备“查阅资料”的能力，更适合需要事实性与可追溯性的业务场景（知识问答、文档助手、客服等）。本文从架构、数据、检索、生成与评估五个方面给出落地实践指南。一、系统架构分层设
OpenSearch k-NN 向量检索与参数优化（2025）
OpenSearch k-NN 向量检索与参数优化（2025）一、索引与配置HNSW：设置 `m`/`ef_construction`；匹配向量维度与度量。索引映射：声明 `knn_vector` 字段与度量（cosine/L2）。二、查询与优化efSearch：提升召回的同时控制延迟；按查询类型动
OPFS 文件元数据索引与快速检索实践
遍历 OPFS 目录并建立文件元数据索引到 IndexedDB，支持按名称、大小与时间快速检索。
全文融合检索（2025）
RedisSearch 与 RedisJSON 向量/全文融合检索（2025）一、数据与索引JSON 存储：以 RedisJSON 存储结构化/半结构化文档。索引：RediSearch 定义 TEXT/TAG/NUMERIC 与 VECTOR 字段。二、查询与融合全文与向量：term/phrase
RAG 检索增强生成最佳实践：分块、召回与重排序
"系统化阐述 RAG 的分块策略、召回参数与重排序方案，并给出可验证的参数范围与评估方法。"
Prisma pgvector 与向量检索集成建议
引言pgvector 将向量检索能力带入 Postgres；结合 Prisma Client 可在同一数据层实现结构化与语义检索的统一。集成与建模（已验证）Postgres 扩展：安装与启用 `pgvector`，创建向量列并建立合适的索引（如 HNSW/IVFFlat）。来源：Supabase 文
Content Index API 离线内容索引与检索实践
`title: Content Index API 离线内容索引与检索实践``categories: Web 开发/前端/数据管理``keywords: Content Index API,PWA,离线,索引,检索``description: 在支持的平台使用 Content Index API 为
pgvector向量检索与语义搜索实践
在 PostgreSQL 中使用 pgvector 实现向量检索与语义搜索，选择合适的索引（HNSW/IVF）、维度与度量，提供数据处理与验证方法。
