相似性搜索模式

要解决什么问题

语义搜索、RAG 和推荐系统背后都是同一类问题：在高维向量空间里做近邻检索，还要在延迟、召回和成本之间取舍。团队常见痛点包括：索引选型与参数调优缺乏共识、纯向量检索与关键词检索难以融合、以及数据量从十万级扩到百万级时延迟与内存突然失控。

技能如何帮你落地

本技能围绕生产环境里的相似性搜索，引导你先明确目标、约束与输入（QPS、延迟上限、是否允许近似检索、合规与数据形态），再按场景套用对应模式：构建语义搜索、实现 RAG 检索层、做推荐召回、优化检索延迟、扩展到百万级向量，以及语义 + 关键词的混合检索。

执行路径强调可验证：给出可操作步骤与验收方式，而不是只列概念。需要完整模式与示例时，应结合 resources/implementation-playbook.md 中的实现手册对照落地。

适用边界

若任务与相似性搜索模式无关，或依赖本技能范围外的领域与工具（例如仅做全文 SQL、不涉及向量的业务规则引擎），不必强行套用。技能侧重模式与工程实践，具体向量库、Embedding 模型与运维栈仍需按你的栈自行选型。