关键词与语义搜索怎么选：精确词面和自然描述分开测
比较关键词命中和语义相似检索的适用条件，说明同义表达、专有名词及索引维护怎样影响文档查找。
怎样选择更合适
知道原文中的编号或专有词时，关键词搜索通常是应先保留的基线；只记得用途、原文可能使用不同表述时，可以评估语义搜索。语义搜索可以由不同技术实现，本页重点比较词面检索与向量语义检索。两者也能组成混合搜索，选择前应明确查询实际需要精确对应还是相关候选。
词面匹配与相似含义并非相同依据
关键词检索依赖文本索引和分析规则，向量检索则比较 embedding 表示的距离。Microsoft 的向量与混合搜索文档分别说明了这两类能力。因此，不含原查询词的结果可能仍有语义相关性，却不能据此证明它对应相同型号。
中文分词、缩写和拼写变化会影响词面命中，embedding 的模型与资料也会影响语义相似。先检查索引是否包含完整内容，再比较检索方法；否则文档缺失造成的失败，容易被误写为某种搜索技术完全无效。
让相同文档回答精确与描述查询
给同一组资料分别准备原词查询与改写描述，例如用产品编号和它的用途寻找同一条记录。保持过滤条件和可返回数量一致，检查预期文档是否出现。结果很多时，还应记录排名和误命中，而不是只确认搜到过一次。
加入词面相似但含义不同的干扰项，以及含义接近但对象不同的资料。让维护者按原文判断相关性，避免由模型自己为搜索结果打圆场。这些检查可用于选择方案，但本文没有建立索引或测得任何检索性能。
按资料变化和维护能力确定组合
关键词方案需要维护分析规则和可检索字段，向量方案还要维护 embedding 版本及重新生成过程。更换 embedding 模型后，旧向量通常不能直接与新查询向量混用。比较投入时，要包括资料更新后的索引工作，而非只算查询调用。
如果两类查询都很重要，可以保留各自结果并评估混合融合。若业务只需确定编号对应记录，先使用明确字段与等值查询也可能更合适。选型应回到问题类型，避免把“语义”当作必然优于所有关键词场景的标签。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。