点击平面任意处 = 发起一次向量查询

真实 embedding 是 1536 维，这里用二维平面直观化：三个色簇代表三类文档的向量聚集区。红叉是你的查询向量。精确检索永远找真·最近 5 条；勾选「近似检索」后模拟 ivfflat probes=1——只探最近的那个簇，漏掉的真近邻会用红色高亮，这就是召回损失。

按业务能接受的漏检率反调 probes / hnsw.ef_search，就是 ANN 索引的全部调优——没有玄学，只有测量。二维示意里用欧氏距离演示；语义搜索常用余弦距离 <=>，模型输出归一化后两者排序一致。

簇与点为静态样本；probes 实验的耗时/召回取自章节内自洽的示意数字，真实数值随数据分布与维度变化——所以你自己的库要自己量一次。