在我们的目录和知识库中进行语义向量搜索

我们有一个大型内容库——产品目录、帮助文章和内部文档——而我们当前的关键词搜索不断失败。它找到确切的词语，但不理解意思：客户写“无法登录”，而我们找不到文章“故障排除授权问题”，因为措辞不匹配。同义词、释义和不同的拼写都被忽略，支持部门被已经在网站上的问题淹没。我们需要理解意图的搜索，而不仅仅是字面上的词语。

我们正在寻找一位工程师，在我们现有内容的基础上构建一个语义（向量）搜索系统。这意味着：为每个索引对象生成嵌入，将这些向量存储在适当的向量数据库中，并通过我们应用程序可以调用的清晰 API 提供查询。我们期望混合排名，结合经典的关键词匹配和向量相似性——因此在适当情况下，确切匹配保持在顶部，但当措辞不同时，语义上接近的结果会浮现。相关性调整对我们很重要：我们希望解析真实的查询日志，调整权重和阈值，并测量顶级结果是否真的更好。

明确范围：这是一个搜索和排名系统，而不是聊天机器人——我们不需要一个生成自己答案的助手。我们需要意义感知的排名，文档化的 API，一个在内容变化时保持嵌入最新的索引管道，以及关于哪个嵌入模型和向量存储适合我们的量和预算的建议。

我们想要得到的：
— 一个用于目录和文档的嵌入管道；
— 一个具有混合排名（关键词 + 向量）的向量数据库；
— 一个具有过滤器、分页和相关性控制的搜索 API。