首页/AI/RAG 与向量库速查/相似度分布诊断
本包目录(229 条)
架构与流程30 条解析与切分33 条
Embedding 与检索50 条
向量数据库49 条重排与生成32 条评估与优化35 条

相似度分布诊断

抽样统计查询与召回结果的相似度分布,可以快速发现索引异常:分布整体偏低说明召回弱或数据未更新,分布过窄通常意味着结果区分度不足,分数全高则可能是重复内容过多。

RAG 与向量库速查AI更新于 2026-10-12

分布采样

分布采样
import numpy as np

scores = [h.score for q in sample_queries for h in search(q, top_k=20)]
arr = np.array(scores)
print("p10/p50/p90 =", np.percentile(arr, [10, 50, 90]).round(3))
print("均值/标准差 =", arr.mean().round(3), arr.std().round(3))
# 低于预期时排查:模型是否换过 / 索引是否重建 / 归一化是否一致
把分布统计做成离线报表,索引重建、模型升级后对比前后分布,能提前发现静默退化。

易错点

  • 拿单一查询的高分结果下结论,噪声样本会误导判断
  • 分布对比时查询集不同,前后对比没有意义

数据来源与参考

  • Qdrant 官方文档(search 结果分数)
  • Anthropic, Contextual Retrieval(检索质量分析)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌