向量

哈希与向量：计算机理解现实的两座桥梁——从“怎么算得快”到“怎么更像人”你有没有想过一个问题：计算机是怎么知道“猫”和“狗”是相似的？直觉上，这应该是件很简单的事——猫和狗都是毛茸茸的宠物，都会叫，都有四条腿。

图数据库 vs 向量数据库：AI时代的两个“最强大脑”一个管“关系”，一个管“相似”，别再傻傻分不清最近在开发一个AI Agent项目时，遇到了一个有趣的问题：用户问“找和我兴趣相似的朋友”和“找朋友的朋友的朋友”，这两个需求看起来都是“找人”，但背后的技术选型却完全不同。

从字典到向量：索引技术的演进索引技术的演进，本质上是在回答一个问题：如何快速找到你想要的东西？从纸质词典的目录页，到数据库的 B+ 树，再到搜索引擎的倒排索引，最后到 AI 时代的向量索引——每一次跃迁，都对应着检索需求的根本变化。本文带你重新理解这四十年来的索引技术演进，以及为什么向量数据库不是“倒排索引的升级版”。

[数学基础] 浅尝向量与张量大家好！今天我们来聊聊数学和物理中两个非常重要的概念：向量和张量。无论你是刚接触线性代数的学生，还是对广义相对论或机器学习感兴趣的研究者，理解这两个概念都会让你的知识体系更加扎实。本文将从直观的例子出发，逐步深入，带你领略向量和张量的魅力。

语义搜索系统原理与实现传统搜索基于关键词匹配，用户输入"沙发"只能匹配包含"沙发"的商品。而语义搜索能理解查询的意图和含义：

进阶篇-7-数学篇-6--向量、矩阵、张量在 AI 中的运算与应用：解锁智能的“计算语法”作者：Weisian 日期：2026年1月31日在之前的文章中，我们揭开了张量的神秘面纱——它是 AI 理解多维世界的“高维容器”。从标量到向量、矩阵再到张量，我们完成了“信息打包”的升维之旅。但这些装满数据的“容器”，终究需要一套“计算语法”才能真正产生智能。

雪碧聊技术

11.RAG知识库的原理目录一.先看一个问题1.痛点：大模型无法回答私有知识相关的问题2.解决方案：搭建一个RAG知识库二.什么是RAG知识库？

【后端】【Redis】① Redis8向量新特性：从零开始构建你的智能搜索系统本文将带你全面了解Redis 8中引入的Vector Set数据类型，从原理到实战，让你轻松掌握向量存储与检索的核心技术。通过本文，你将学会如何在Redis中存储和查询向量数据，构建自己的智能搜索系统。

进阶篇-4-数学篇-3--深度解析AI中的向量概念：从生活到代码，一文吃透核心逻辑作者：Weisian你可能觉得：“向量？不就是高中物理里那个带箭头的线段吗？” 但在AI的世界里，向量远不止于此。它不是冷冰冰的公式，而是AI理解世界的语言——是推荐系统猜你喜欢的依据，是人脸识别解锁手机的钥匙，是你刷短视频时“怎么又推我喜欢的内容”的幕后功臣。

进阶篇-3-数学篇-2--从线性代数到AI：向量、矩阵、张量的底层逻辑作者：Weisian上一篇，我们探讨了数学在人工智能中的“灵魂地位”。今天，让我们步入这座数学宫殿的第一厅——线性代数。

Java后端的Ai之路

【AI大模型开发】-基于 Word2Vec 的中文古典小说词向量分析实战本项目基于 Gensim 库实现了中文古典小说的 Word Embedding 分析，通过 Word2Vec 算法将文本中的词语转换为向量表示，进而实现词语相似度计算和类比推理等功能。项目包含了《西游记》和《三国演义》两个经典中文文本的分析案例，适合自然语言处理初学者学习和实践。

【嵌入模型】概念、应用与两大 AI 开源社区（Hugging Face / 魔塔）🔥个人主页：中草药🔥专栏：【Java】登神长阶史诗般的Java成神之路首先类比一下：⼤语⾔模型是⽣成式模型。它理解输⼊并⽣成新的⽂本（回答问题、写⽂章）。它内部实际上也使⽤嵌⼊技术来理解输⼊，但最终⽬标是“创造”。

【向量数据库】Milvus 向量数据库 ④ 向量索引的存储结构与查询执行模型：从 Faiss 到 Knowhere 的源码解剖为什么需要读这篇？前两篇讲“是什么”（概念）和“怎么做”（工程），这篇讲“为什么这样存”——像拆开快递盒看里面装的什么。

程序员黄老师

主流向量数据库全面解析随着大语言模型（LLM）的快速发展，RAG（检索增强生成）技术成为解决模型“幻觉”、提升专业领域回答精度的核心方案，而向量数据库则是RAG技术的底层支撑。向量数据库专门用于存储、管理和检索高维嵌入向量（Embedding），通过高效的相似度匹配算法，快速从海量数据中找到与查询向量最相关的结果。

自动推荐策略系统搭建指南在抢票系统中，当订单扣位失败时，系统需要根据失败原因自动匹配并推荐合适的处理策略。然而当出现未知失败原因时，需要落地未知失败原因，然后人工根据经验配置暂停时间。

AI大模型-基本介绍（一）RAG、向量、向量数据库RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合了检索系统和大语言模型（LLM）的技术架构，目的是为了解决传统生成模型在知识准确性、时效性、可控性等方面的局限

向量叉积的拉格朗日公式 u x (v x w) = v x (u.w) - w x (u.v) 证明要证明向量叉积的拉格朗日公式 u×(v×w)=v(u⋅w)−w(u⋅v)u × (v × w) = v(u·w) − w(u·v)u×(v×w)=v(u⋅w)−w(u⋅v)，我们可以通过分量展开法逐步推导，验证等式两边在各分量上的等价性。以下是详细证明过程：

用Faiss实现高效文本抄袭检测图片来源：Facebook AI Research（Faiss官方架构图），侵权联系删。文本抄袭检测是内容平台、学术圈、电商行业的“刚需”——但传统方法（关键词匹配、哈希指纹）根本搞不定“换说法不换意思”的语义抄袭。比如把“人工智能模拟人类智能”改成“机器学习模仿人的思考方式”，旧工具会漏判，而Faiss（Facebook开源的向量检索引擎）能通过“语义向量匹配”解决这个问题。本文从原理到代码，讲透如何用Faiss搭建高精度文本抄袭检测系统，覆盖技术选型、落地案例和避坑指南。

【题解】洛谷 P4286 [SHOI2008] 安全的航线 [递归分治]题面指路：https://www.luogu.com.cn/problem/P4286第一眼看到就是懵逼，第二眼想到二分距离。

吴恩达机器学习笔记（3）—线性代数回顾（可选）在本篇内容中，我们将复习线性代数的知识。矩阵是指由数字组成矩形阵列，并写在方括号内，矩阵的维数即行数×列数，如下是4×2矩阵。