应用案例

涵盖 BM25 + 稠密向量混合检索、ColBERT 重排序以及多模态免 OCR RAG 的端到端实战指南。

标题	描述	链接	代码
基于 Postgres 原生 BM25 与 VectorChord 的混合检索	本文探讨如何在 Postgres 中结合使用 VectorChord-bm25（关键词检索）与 VectorChord（语义检索）来实现混合检索。	混合检索	GitHub 仓库
在 PostgreSQL 中使用 ColBERT 重排序为向量检索加速	本文演示如何结合使用 PostgreSQL 扩展 VectorChord、pgvector 以及 ColBERT 重排序技术。	ColBERT 重排序	GitHub 仓库
超越纯文本：使用 Modal 与 VectorChord 在 PostgreSQL 中实现免 OCR RAG	本文将指导您直接在熟悉的 PostgreSQL 数据库中构建一套免 OCR 的 RAG 系统。我们将结合 ColQwen2 视觉语言模型的强大能力、VectorChord 在 Postgres 中的高效多向量检索能力，以及 Modal 的可扩展 GPU 嵌入生成服务。	免 OCR RAG	GitHub 仓库

混合检索

在检索增强生成（RAG）时代，结合 VectorChord-bm25 关键词检索与 VectorChord 语义检索，在 PostgreSQL 中构建高效的混合检索系统。

ColBERT 重排序

传统的向量检索通常使用句向量来定位相似内容，而结合 VectorChord 与 ColBERT 词元级多向量晚期交互重排序，可兼顾检索速度与细粒度精度。

ColQwen2 与 Modal

结合 ColQwen2 视觉语言模型、VectorChord 多向量检索与 Modal 无服务器 GPU，直接在 PostgreSQL 中构建免 OCR 的多模态 RAG 系统。