在 AI 和搜索领域，向量（Vector） 是计算机理解万物的基础。你可以把向量想象成坐标，通过这些坐标，计算机就能在“数学空间”里衡量内容之间的关系。
稀疏向量和稠密向量代表了两种完全不同的“描述方式”，它们在 RAG（检索增强生成）项目中各司其职。
1. 稠密向量 (Dense Vector) —— 捕捉“语义”
稠密向量是目前大模型（LLM）和 Embedding 模型的底层核心。
- 特点：向量的每一位通常都是非零的实数（如 0.12, -0.5 等）。维度相对固定且较低（通常是 768、1536 维）。
- 代表算法：OpenAI Embedding、BGE、BERT。
- 生活例子：如果要用稠密向量描述一个“苹果”，AI 不会只记录“苹果”这两个字，而是会用几千个维度来描述它：
[甜度: 0.8, 颜色: 红色, 类别: 水果, 形状: 圆形, ...]。 - 优势：擅长语义检索。即便用户搜“西红柿”，它也能通过语义坐标找到“番茄”，因为它知道这两个词在语义空间里靠得很近。
2. 稀疏向量 (Sparse Vector) —— 捕捉“关键字”
稀疏向量主要用于传统的关键词匹配，它非常“死板”但很精准。
- 特点：维度极高（通常等于词典的总词数，可能有几万甚至几十万维），但绝大部分位置都是 0。只有当某个词出现时，对应的位置才有数值。
- 代表算法：BM25、TF-IDF。
- 生活例子：想象一个巨大的清单，上面列出了字典里所有的词。描述“苹果”这个词时，清单上只有“苹果”那一栏填了 1，其他几万个词（如“电脑”、“桌子”）全是 0。
- 优势：擅长精确匹配。当你搜索一个特定的型号（如
iPhone 15 Pro Max）或专业术语时，稀疏向量能精准锁定这个词，而不会因为“语义接近”就给你推一个iPhone 14。
3. 核心对比
| 特性 | 稠密向量 (Dense) | 稀疏向量 (Sparse) |
|---|---|---|
| 数值形态 | 绝大部分是非零小数 | 绝大部分是零 |
| 维度 | 较低（几百到几千） | 极高（词典大小） |
| 擅长领域 | 理解意思（语义搜索） | 字面匹配（关键词搜索） |
| 代表场景 | “给我推荐点健康的水果” | “查找型号为 AB-123 的零件” |
4. 为什么 RAG 项目中要强调“混合检索”？
单靠一种向量是不够的：
- 只有稠密向量：容易产生“幻觉”或模糊。比如搜“Java 17”，它可能觉得“Java 8”语义也挺近，结果把旧版本的文档推给了你。
- 只有稀疏向量：太死板。搜“提高代码质量”，如果文档里写的是“优化重构技巧”，关键词对不上，就彻底搜不到。
混合检索（Hybrid Search） 就是将两者结合：
- 稠密向量 负责把“意思相近”的内容捞回来。
- 稀疏向量 负责把“关键字完全一致”的内容提上来。
在 Pinecone 等向量数据库中，通过给两者分配不同的权重（Alpha 值），可以大幅提升检索的准确率。
