資料內(nèi)容：
1.向量數(shù)據(jù)庫
1.向量數(shù)據(jù)庫是專門用來存儲和查詢向量的數(shù)據(jù)庫，其存儲的向量來自于對文本、語音、圖像、視頻等的向量
化。與傳統(tǒng)數(shù)據(jù)庫相比，向量數(shù)據(jù)庫可以處理更多非結(jié)構化數(shù)據(jù)(比如圖像和音頻)。在機器學習和深度學習
中，數(shù)據(jù)通常以向量形式表示。
2.用空間來描述高維數(shù)據(jù)，以距離來判斷親疏。
3.可以高效檢索數(shù)據(jù)，矩陣計算。
4. chrome(輕量化)、Milvs
5.文本切分后存入向量數(shù)據(jù)庫原因：
-大模型有上下文長度限制
-向量數(shù)據(jù)庫對單個文檔長度也有要求
-小塊更利于精準檢索
-常見 splitter：RecursiveCharacterTextSplitter, CharacterTextSplitter,
TokenTextSplitter
6.為什么不分塊會有問題？
1. 單頁內(nèi)容可能過長
-把檢索到的整個頁面 + 問題一起塞進 prompt，極易 超出 token 限制，導致截斷或報錯。
2. 語義粒度太粗
-向量數(shù)據(jù)庫會對每個“文檔”生成一個 embedding。如果一頁包含多個主題，那么它的
embedding 是這些主題的“平均”，無法精準匹配具體問題，embedding 被稀釋，相似度降低。
3. 檢索精度下降
-檢索返回的是整頁內(nèi)容，LLM 需要在一大段無關文本中找答案，容易出錯或產(chǎn)生幻覺。
