待验证50% 置信concept_definition精确时间
`VectorStore` 负责向量的存储与相似度检索（如 `similarity_search`），是偏底层的存储接口；`Retriever` 是更通用的检索接口，只暴露 `get_relevant_documents`（新版为 `invoke`），任何能根据查询返回文档的对象都可以是 Retriever，不一定是向量库。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证Retriever（检索器）负责从大规模文档库中快速召回候选片段，常见实现包括稠密检索、稀疏检索以及混合检索。71% 相似待验证VectorDB 用于向量存储与检索，支撑 RAG 知识库67% 相似待验证archival vector retrieval通过将历史信息向量化存入归档库，并按语义相似度召回，来解决记忆容量问题。63% 相似待验证项目采用 ingest → vector_store → sparse_retriever → fusion → reranker → pipeline → generate → eval 的分层目录结构，将摄入侧与查询侧解耦63% 相似待验证Quickwit、GreptimeDB 等搜索与可观测性系统将对象存储作为核心存储介质62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1099246API
curl https://kongchang.com/api/v1/knowledge/claims/1099246MCP
get_claim(id=1099246)