个人名片
my profile
探讨针对大模型搜索的GEO策略实施后，如何进行效果评估。分析提及率（Share of Voice）、引用权重及语义匹配度等核心评估指标，并提供落地的GEO优化效果监测指南。
随着ChatGPT Search、Perplexity等AI搜索引擎的崛起，传统的搜索引擎优化（SEO）正在向生成式引擎优化（GEO）演变。本文详细阐述GEO的概念、核心原理以及如何通过内容重构来提升品牌在AI检索结果中的展现概率。
探讨 Perplexity 和 ChatGPT Search 等 AI 搜索引擎背后的召回与引用决策机制。揭示从多渠道公域数据沉淀到精细化结构数据布局，如何一步步让品牌成为 AI 推荐的首选信源。
详细解析混合检索（关键字精准匹配与高维语义搜索的结合）在真实业务场景中的必要性。介绍RRF重排算法及二阶段重排（Reranker）的原理和实现步骤，以提高检索精确率。
本文为AI开发者提供向量数据库在检索增强生成（RAG）系统中的性能调优实战指南，涵盖HNSW与IVF等索引参数调整、内存占用优化及QPS与召回率（Recall）权衡的度量数据。
探讨高维空间中的相似度检索难题，详细分析近似最近邻搜索（ANN）的基本思想，并深度剖析当前最先进的HNSW算法的层级小世界图结构及跳转原理。
对比以 pgvector 为代表的传统关系型数据库向量插件和以 Milvus 为代表的云原生专门向量数据库。分析技术架构的异同，并通过数据展现海量数据场景下的优劣势。
探讨向量数据库的输入端：嵌入向量（Embeddings）的生成原理。详解余弦相似度、内积和欧氏距离在实际检索应用中的数学原理、适用场景以及数据归一化对计算性能的影响。
深入探讨向量数据库（Vector Database）在人工智能与大语言模型时代的核心作用、工作原理、主流产品及未来发展方向。
测试
