目录 / documentdb-vector-search
SKILL
未评级
已上架
documentdb-vector-search
在 Azure DocumentDB 中使用 `cosmosSearch` 进行向量搜索的最佳实践 — 包括 DiskANN、HNSW 和 IVF 索引算法的选择，索引创建方法，`lBuild`、`lSearch` 和 `maxDegree` 参数的调优，乘积量化（支持高达 16,000 维），半精度（fp16）索引，以及为余弦相似度归一化嵌入向量。适用于构建 RAG 或语义搜索应用、创建向量索引、优化召回率与延迟，或降低向量索引内存占用的场景。
模型生成摘要（rules/v1 · 2026-11-15 13:26）：在 Azure DocumentDB 中使用 `cosmosSearch` 进行向量搜索的最佳实践 — 包括 DiskANN、HNSW 和 IVF 索引算法的选择，索引创建方法，`lBuild`、`lSearch` 和 `maxDegree…
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
存档时间线
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-11-15 13:26 | bb8b8464 | 可取 |
版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。
纠错与举报（发现条目失效、署名有误或涉及侵权？）
提交举报 / 纠错
侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。