用 20 行 numpy 跑通语义检索，再换 Chroma 对比

博客园一位作者用 10 段文本、bge-m3 模型和约 20 行裸 numpy 完成一次语义检索实验，再以相同条件改用 Chroma 向量数据库重跑，以此说明 embedding 与向量数据库在本地大模型项目中各自承担的检索角色。 按作者的概括，embedding 的机制相当于给每段文字发一个坐标，语义检索就是在这些坐标里找最近的“邻居”；向量数据库的作用则通过与裸 numpy 实现的同条件对比来呈现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。