简述
向量检索是”按意思搜”而不是”按字搜”。先用嵌入模型把每段文字变成一个向量，搜索时把查询也变成向量，找距离最近的那些——语义相近就近，哪怕字面一个词都不一样。
详解
mindplace 的流程：ingest 用 bge-small-zh 把笔记正文切块嵌入，向量存进 pgvector；搜索时嵌入查询词，用余弦距离在库里找最近的块。它和传统关键词检索互补——关键词精确但死板，向量模糊但懂意思，实际用里两者合起来效果最好。
深化
一个反直觉的决定：这个站的向量不建索引。教科书说向量多了要建 HNSW 这类近似索引加速，但那是十万、百万量级的事。mindplace 的向量不到一万条，暴力逐个算余弦距离也就毫秒级，而且 100% 精确召回——建索引反而是过度设计，还牺牲精度。什么时候才建：等向量超过五万条再说。规模没到就上重型方案，是这个项目一直警惕的事。