向量数据库（Vector Database）是专门为存储、索引和检索高维向量而设计的数据库系统。它是 concepts/embedding 技术和 concepts/retrieval-augmented-generation 架构的基础设施层，使大规模语义检索成为可能。

与传统数据库的区别

本指南从工程实践角度讲解如何构建 RAG（检索增强生成） 系统，覆盖文档处理到质量评估的完整链路。

文档加载和分块

文档分块（Chunking）是 RAG 效果的基础：

• 固定长度分块：按 token 数（通常 256-1024）切分，简单但可能切断语义完整段落
• 语义分块：按段落或章节边界切分，保持语义完整性，推荐作为首选策略
• 递归分块：先按大单位（章节）切分，再对过长段落递归切分，兼顾粒度和完整性
• 重叠窗口：相邻块之间保留 10-20% 的重叠内容，避免关键信息恰好在切分边界被截断