北京
做AI文档搜索的人，大概都迷信过一件事：语义理解终将淘汰关键词匹配。就像智能手机淘汰功能机，只是时间问题。
作者也是这么想的。他给处理PDF的AI Agent搭了两套搜索系统，一套用向量嵌入，一套用老派的关键词匹配。测试前几轮，语义搜索的表现堪称教科书——搜"income growth"，它能找到写着"revenue increased"的页面，俩词完全不沾边，意思却精准命中。关键词搜索当场懵圈，这局毫无悬念。
直到他随手输了一个发票号。
语义搜索居然也返回了正确页面。但作者很快发现不对劲：系统根本没"理解"那个数字，它只是碰巧把发票号所在的段落和某个查询向量算成了近邻。「The tool found the right page. But it found it for the wrong reason.」换句话说，换一份真实文档，这页根本不会出现。
关键词搜索反而稳得很。发票号就是发票号，匹配就是匹配，不搞玄学。
作者最后把两套系统都保留了。语义搜索负责"大概什么意思"，关键词兜底"具体是什么"。这个组合看起来不够优雅，但在真实业务场景里，没人关心你的技术路线够不够先进——只关心发票号能不能找对。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
