向量检索

搜索“claude数据库怎么搭建”，通常是想让Claude检索企业资料、产品文档、制度和项目记录后回答。“claude数据库”并非Claude自带的独立数据库，而是围绕Claude搭建的知识库或检索增强生成系统。

用 SQLite 验证 RAG 嵌入缓存：文本哈希与模型版本、维度、任务类型等共同组成键，配置变化重新计算，拒绝非法维度与 NaN/Inf。

用 Qdrant scroll 分页导出 ID、向量和 payload，在新的练习集合重建，再对照来源集合逐项检查 ID 与记录内容。

用 CrossEncoder 对问题与已有候选片段成对打分，排序时保留 source_id，并用人工目标核对实际结果及召回、权限和截断边界。

上传一份可核对的本地文件，建立向量库、等待索引完成，并验证 File Search 的答案、引用与权限隔离。

用 OpenAI Embeddings 自建语义检索，生成向量、计算余弦相似度，并通过标注问题验证命中。

生成 OpenAI Embeddings，计算余弦相似度，并用相关与无关文本验证语义检索排序。

先保存 pgvector 精确 top-10，再建立余弦 HNSW 索引，检查查询计划并计算交集召回；调整 ef_search 后以相同基线复测。

在 Chroma 中用稳定来源和片段 ID 同步完整文档：upsert 新版文本与向量，删除消失的旧片段，并用精确读取验收版本和记录数。

通过三组人工向量复核余弦相似度、距离、内积和负内积，解释 pgvector 分数及排序方向，再用真实问题集标定阈值。