语义搜索（Semantic Search）指理解查询意图与内容含义、而非机械匹配关键词的搜索技术。传统搜索靠词面重合（搜“降噪”找不到写着“静音”的页面），语义搜索把文本转成向量嵌入，用向量距离度量语义相似度，同义、近义、跨语言的内容都能被召回。
基本流程
文档切分 → 每块用嵌入模型转成向量 → 存入向量数据库 → 查询时把问题也转成向量 → 检索最近的若干文档块。这就是 RAG 的检索底座。
与关键词搜索的关系
并非取代而是互补——关键词搜索（BM25）对专有名词、型号、代码标识等精确匹配更强，语义搜索对自然语言问句更强。生产系统普遍用混合检索（Hybrid Search）把两者召回结果融合重排。
关键组件
嵌入模型（OpenAI text-embedding、BGE、GTE 等，中文场景 BGE 系列常用）、向量数据库（Milvus、Qdrant、pgvector 等）、重排序模型（把粗召回精排）。
2026 年现状
语义检索已是 AI 应用的默认基础设施——企业知识库、AI 搜索、智能客服、代码检索全部构建其上。