概念定义
近似最近邻（ANN）搜索用只访问少量有希望候选的数据结构，替代精确 k 近邻的穷举扫描。HNSW 等图索引、IVF 等分簇方案与 LSH 等哈希方法在内存、构建时间与召回率上各有取舍。结果是一条可调曲线：投入越多召回越高，而任何工作点的好坏都取决于它在真实查询上测得的召回率。
为什么重要
在百万级向量下，精确搜索无法满足交互式延迟，全量扫描的内存开销也不可接受。ANN 让语义检索变得可行。代价是最佳结果不再有保证：对某条查询，真正的最近邻可能被剪掉。这一性质决定了系统其余部分必须如何设计。
工程实践
按约束选择索引——高召回用图索引、省内存用分簇、快更新用哈希——然后在标注查询集而非直觉上评估 recall@k。逐步提高搜索强度直到满足产品门槛，语料或过滤条件变化后重新测量，并为对正确性要求高于速度的小查询保留精确回退。