你有沒有在你想找「那篇講台股 AI 應用的文章」，但記不得標題，只記得內容大意，發現只看表面常常不夠？
你可以把它想成先理解你想找什麼，再去找意思接近的資料，不只比對字面。
關鍵字很容易漏掉同義詞和改寫內容，語義搜尋能把意思相近的文件撈出來。
容易混淆
關鍵字搜尋 關鍵字搜尋像在書架上找書名完全符合的，語義搜尋像理解你的問題後，推薦內容相關但書名不一定完全一樣的書。
最關鍵的區別：先看它是在比意思、比結構，還是在做任務輸出。
記住這句就好
記不得原字，也能找到意思相近的結果，就是語義搜尋。
實際案例
學生搜尋「怎麼讓模型回答更準」，系統可能找到「RAG」、「向量資料庫」、「檢索增強生成」這些文章。 企業知識庫查詢「請問報銷流程」，即使文件寫的是「費用申請」，也應該被找出來。
算法與應用
常見流程是把查詢和文件轉成 embedding，再丟進向量資料庫或混合搜尋系統比對相似度。 實務上常會搭配 rerank，先撈候選結果，再用更精準的模型重排。
情境判斷
Q1（直覺題）： 你輸入「AI 寫報告」，系統找到「自動摘要」文件，這算對嗎？
→ 算。語義搜尋看的是意思相近，不是字串完全一樣。
Q2（判斷題）： 如果所有結果都只因為關鍵字命中而出現，這還是語義搜尋嗎？
→ 不完全是。那比較像關鍵字搜尋，語義搜尋通常要有語意表示和相似度比對。
常見問題
語義搜尋如何處理同義詞和多義詞？
語義搜尋通過使用知識圖譜和向量嵌入來處理同義詞和多義詞。知識圖譜可以提供關於字詞之間關係的資訊，例如同義詞和上位詞。向量嵌入可以將字詞表示為高維空間中的向量，使得同義詞的向量更加接近，而多義詞的向量則根據上下文的不同而有所變化。例如，對於「蘋果」這個詞，知識圖譜可以指出它既可以指水果，也可以指蘋果公司。向量嵌入可以根據上下文的不同，將「蘋果」表示為不同的向量，以便區分其不同的含義。
語義搜尋如何處理長尾查詢？
長尾查詢是指那些搜尋頻率很低的查詢。語義搜尋可以通過使用知識擴展和向量嵌入來處理長尾查詢。知識擴展可以利用知識圖譜或其他知識來源，擴展使用者查詢的範圍，從而找到與查詢相關的資訊。向量嵌入可以將長尾查詢表示為高維空間中的向量，使得與查詢相關的文檔的向量更加接近，即使這些文檔中沒有包含查詢中的關鍵字。例如，如果使用者查詢「台北哪裡可以吃到好吃的牛肉麵」，語義搜尋可以利用知識圖譜擴展到台北的牛肉麵店，並使用向量嵌入找到與查詢相關的食記和評價。
語義搜尋的未來發展趨勢是什麼？
語義搜尋的未來發展會更重視上下文理解、跨來源知識整合、個人化結果和推理能力，也會更自然地結合語音與視覺搜尋。