2026-06-24 关联文档搜索能不用向量 Embedding 吗
- 性质：对话沉淀为可复用 Q&A（无独立
source/_posts剪藏）。 - 日期：2026-06-24
- 项目上下文：md-render Markdown 编辑器，元数据面板「关联文档」选择器
问题背景
在 md-render 里给「关联文档」下拉加搜索时，需要按相似度排序候选文档。文档量中小、希望零外部 NLP 依赖、且 Agent 工具 recall_related_docs 已有轻量召回逻辑——能否复用同一套启发式，而不上向量 embedding？
结论
可以。 复用 Agent recall_related_docs 同源的纯函数：从标题/正文抽关键词（中文 2-gram + 停用词，标题权重 ×3），对候选文档按关键词 includes 命中数打分；无搜索词时按当前文档相似度推荐，有搜索词时按搜索词语义接近度排序；得分为 0 时回退文件名子串匹配或按名称排序。
相似度定义是关键词重合计数，非 cosine / embedding；零外部 NLP 依赖，可单测。
实现要点
- 抽词：
extractRecallKeywords— 标题 ×3 + 正文前 12 行 ×1，最多 8 词；中文 2-gram，英文整词。 - 排序：
rankRelatedDocs— haystack = 标题 + 正文 + 摘要；_score降序，排除自身与已关联文档。 - 选择器入口：
searchRelatedDocCandidates— 空搜索词用当前文档；有搜索词用搜索词；limit 默认 20。 - UI：Ant Design
Select+filterOption={false}，排序逻辑不在组件内而在contextRecall.js。 - 复用：Agent 工具
recall_related_docs与元数据面板共用同一模块。
局限与适用场景
同义词/近义表达弱；适合个人知识库、标题摘要信号强、文档量中小场景。大规模或强语义需求再考虑 FTS5 / embedding。
另见
- SQLite FTS5 是什么，文档检索什么时候用它（FTS5 / embedding 升级路径详解）
- 关键词重合召回
- RAG 与 Graph RAG（向量检索对照）
- AI Knowledge Bases
- AI 辅助开发
Query 草稿：Cursor Agent；2026-06-24。