语义搜索

什么是语义搜索？

语义搜索是一种理解查询背后含义、而非仅仅匹配关键词的搜索技术。当客户问“我怎么把钱要回来？”时，关键词搜索会查找包含这些字词的文档；而语义搜索能理解客户指的是“退款”，并找到退款政策，即使文档中从未出现“钱”这个字。

这一能力由 AI 嵌入驱动，它将文本转换为表示含义的数值向量。含义相近的查询和文档在向量空间中彼此靠近，使搜索系统能够找到概念上相关的结果。

语义搜索如何赋能客户服务 AI

语义搜索是检索增强生成（RAG）的基础，而 RAG 正是大多数 AI 智能体获取准确信息所采用的架构。当客户提出问题时：

1. 问题被转换为嵌入向量（表示其含义的数值形式）
2. 语义搜索通过比较嵌入相似度，在知识库中找到最相关的文档
3. 这些文档作为上下文提供给 AI，用于生成回答
4. AI 基于检索到的内容生成有依据的答案

整个过程在毫秒内完成，可实现既准确又贴合上下文的实时回复。

语义搜索与关键词搜索对比

• 关键词搜索： 查找完全匹配的字词。对于已知术语快速且精确，但会遗漏概念上的匹配，当客户使用的术语与文档不同时便会失效。
• 语义搜索： 查找含义上的匹配。能够处理同义词、改述和概念性查询，更适合自然语言提问，但需要嵌入基础设施的支持。
• 混合搜索： 结合两种方法。精确查找时使用关键词匹配，概念性查询时使用语义匹配。大多数企业级 AI 平台都采用这种方式。

技术背景： Microsoft Research 发现，将知识图谱检索与语义 RAG 相结合，可将事实准确性提升约 23%，表明语义搜索与结构化知识相结合的效果明显优于单纯的关键词搜索。

Maven 的优势：知识图谱 + 语义搜索

Maven AGI 将语义搜索与知识图谱遍历相结合，不仅理解哪些内容与查询在语义上相似，还理解各概念之间的结构关系。因此，Maven 检索到的不只是最相关的文档，还包括准确解决问题所需的相关政策、工作流程和产品细节等完整上下文。

Maven 客户实证： K1x 借助 Maven AGI，在复杂的金融查询中实现了 80% 的解决率。在这类场景中，准确检索正确的政策和流程至关重要，这表明语义搜索的质量直接决定了问题解决的质量。

常见问题

语义搜索能否跨语言使用？

能。多语言嵌入模型可以将一种语言的查询与另一种语言的文档进行匹配。客户用法语提问，也能匹配到英文文档，无需翻译整个知识库即可实现多语言支持。

语义搜索的准确性如何？

准确性取决于嵌入质量、内容组织方式和查询复杂度。对于结构清晰、内容全面的知识库，语义搜索可实现很高的检索准确率。但遇到含义模糊的查询、组织混乱的内容，或嵌入模型未能很好覆盖的高度专业化术语时，性能会有所下降。

语义搜索会取代关键词搜索吗？

不会完全取代。在实践中，结合语义搜索和关键词搜索的混合方法效果最佳。关键词搜索擅长查找特定标识符（订单号、产品代码），而语义搜索擅长理解自然语言问题。