文本向量化演进：从 Word2Vec 到现代 Embedding 模型
文本向量化是搜索、推荐与 RAG 共同的地基。本文快速回顾 one-hot、TF-IDF、Word2Vec 等经典方案的思路与局限，重点拆解现代 Embedding 模型的三大支柱：BERT 上下文表示、Sentence-BERT 句向量专用化与对比学习训练范式，并盘点 BGE、GTE、E5、OpenAI text-embedding-3 等主流模型与 MRL、指令前缀等关键技术。
工作经历
军工 · Agent 技术调研（实习）
2026年7月 - 2026年8月
参与军工领域 Agent 技术方向的调研与技术预研。
医疗 · AI 应用开发（实习）
2025年10月 - 2026年5月
参与医疗健康领域的 AI 应用开发，积累了 AI 落地的实践经验。
教育经历
硕士 · 软件工程
安徽
2024年9月 - 至今
研究方向：OCR、信息抽取、时间序列。
本科 · 数据科学与大数据技术
福建
2020年9月 - 2024年6月
系统学习计算机科学基础与大数据技术。
技术栈
不断学习，不断进化。以下是我目前深耕的技术方向。
Java 工程开发
熟练掌握 Java 生态，具备扎实的后端架构与微服务开发能力。
Python & 模型开发
精通 Python，能够进行数据处理与深度学习模型训练。
Vue3 & TypeScript
掌握现代前端技术栈，构建高性能、高交互体验 Web 应用。
UniApp 跨端开发
拥有丰富的跨平台应用开发经验，实现一次开发多端部署。
LangGraph & Agent
深入探索智能体开发框架，构建具有复杂推理能力的 AI Agent。
大模型算法
关注并实践大语言模型的微调、提示词工程及算法优化。
部署运维 & DevOps
熟悉服务器部署流程与自动化运维，保障系统稳定运行。
计算机网络
具备扎实的计算机网络底层基础，解决复杂网络通信问题。
推广搜 & 搜索引擎
了解推荐系统、广告系统与搜索引擎的核心机制与算法。
最新文章
View all posts »分享我在全栈开发、AI/Agent、网络安全等领域的技术探索与思考。
TF-IDF 原理与应用：搜索打分与文本向量化的起点
TF-IDF 用「词频 × 稀缺度」给词打分，是信息检索绕不开的经典。本文快速讲透它的核心原理，重点展开两大应用：搜索系统里的相关性打分，以及把文本变成稀疏向量后的分类、相似度与关键词提取。
RRF 倒数排名融合：混合检索里的"排名仲裁者"
向量语义召回与 BM25 关键词召回的分数天然不可比，混合检索需要一个仲裁者。本文以混合检索为例讲解 RRF（Reciprocal Rank Fusion）算法的公式与 k 常数的数学直觉，并横向对比分数级融合、名次级融合与学习排序三类融合策略的取舍。
向量数据库全景：AI 系统的记忆中枢与主流方案横向对比
从 RAG 知识库到 Agent 长期记忆，从语义搜索到多模态检索，向量数据库已经成为 AI 应用的标准基础设施。本文从一次 RAG 选型经历出发，梳理向量数据库在现有 AI 系统中的六大典型角色，并客观对比 Milvus、Qdrant、Weaviate、Pinecone、Chroma、pgvector、Elasticsearch 等主流方案的定位与适用场景。
有想法？一起聊聊
无论是技术交流、项目合作还是单纯的想法碰撞，都欢迎联系我。