向量数据库
Vector database
学到 认得 就够：听到能明白
你可能会说
“我被建议把论文放进向量数据库，它究竟保存什么，为什么还要留原文和题录？”
向量数据库存放向量及其关联内容和元数据，支持按相似度找候选材料；它服务检索，不等于模型理解了论文，也不能取代原文保存。
使用 AI
科研里的例子
为研究设计段落建立向量索引，查询“政策发生后如何比较处理组”，再回到命中文献核对识别策略，而非直接照用答案。
文本常先分块，再由嵌入模型表示成向量，查询也转换成可比较的表示，数据库返回相近内容。很多系统同时提供关键词或元数据过滤。向量空间的相似并不意味着论证相同，更不是来源真实的证明；换嵌入模型、分块方式或过滤条件都可能改变命中。保留文件标识、页码和版本，才能把候选片段重新定位到原文进行核验。
在你的学科里，直接拿去用
从给定文献读取问题与证据
请只依据下面的文献材料回答。 材料：[粘贴原文或附文件；若只有摘要请注明] 我想弄清：[问题] 请列出作者要解释的现象、主要概念、数据与研究单位、研究设计、主要发现及作者写明的局限。区分作者原话、你的释义与尚无法判断的地方。每项给页码或可定位段落，保留关键术语的中文与英文。若没有全文，不把摘要之外的细节补出来。最后提出3个我可以回原文亲自检查的问题。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG02
从中文研究想法形成双语检索式
请把我的中文研究想法转成可测试的中英文检索策略。 想法：[填写] 对象、地区、时期：[填写] 数据库或检索渠道：[填写] 先拆概念块，再为每块给首选中文、首选英文、常用别名及需排除的歧义。给宽、中、窄3组检索式，并解释AND、OR、引号及数据库字段差异。用[我已知的一篇相关文献]作召回检查；没有已知文献则保留待测试。当前若无法访问数据库，只交策略，不声称已经检索或编造结果。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG03
判断
亲手检查一次
用几篇已知相关与不相关文献测试命中，确认结果能追溯原文件和段落，并检查更新原文后索引是否相应刷新。
它做不到的
向量库不是唯一的 RAG 前提，小规模材料也可用普通检索或直接读取；索引成功不能证明全文完整、OCR 准确或许可充分。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。