一、核心结论

向量数据库 ANN 相似度检索底层只返回：数据 ID + 相似度分值，既不返回词语、也不默认返回向量。词语（原文）、向量都是附加字段，需要手动配置参数才会附带返回。

• ID：用来关联原始文本（词语）；
• Score：余弦 / L2 相似度；
• metadata（元数据）：存词语、分类等文本信息，勾选才返回；
• embedding（向量）：存储的浮点数组，勾选才返回。

工程标准拆分：

向量库存 ID + 向量 + 标签；

MySQL 存放词语 / 正文，检索拿到 ID 后去 MySQL 查文字。

二、数据准备（沿用水果词向量示例）

入库结构（Chroma）

表格

python

运行

import chromadb client = chromadb.PersistentClient("./vec_test") coll = client.get_or_create_collection("fruit") # 写入数据 ids = ["1","2","3"] docs = ["苹果","香蕉","汽车"] metas = [{"type":"水果"},{"type":"水果"},{"type":"交通工具"}] embs = [ [0.61,0.22,-0.55], [0.58,0.25,-0.52], [-0.62,0.28,0.35] ] coll.add(ids=ids, documents=docs, metadatas=metas, embeddings=embs) # 查询向量：苹果向量 q_vec = [[0.61,0.22,-0.55]]

场景 1：只查 ID + 相似度（include=[]，默认底层结果）

python

运行

res1 = coll.query(query_embeddings=q_vec, n_results=2, include=[]) print(res1) # 输出：{'ids': [['1', '2']], 'distances': [[0.0, 0.0018]]}

✅ 返回：ID、距离（相似度） ❌没有词语【苹果、香蕉】，没有向量数组

场景 2：附带返回词语（include=["documents"]）

python

运行

res2 = coll.query(query_embeddings=q_vec, n_results=2, include=["documents"]) print(res2["documents"]) # [['苹果', '香蕉']]

开启 documents，才会把入库时保存的词语拿出来。

场景 3：附带返回存储的原始向量（include=["embeddings"]）

python

运行

res3 = coll.query(query_embeddings=q_vec, n_results=2, include=["embeddings"]) print(res3["embeddings"]) # [[[0.61,0.22,-0.55],[0.58,0.25,-0.52]]]

单独配置 embeddings，才返回数据库里保存的词向量。

场景 4：全部返回（ID + 分数 + 词语 + 向量 + 标签）

python

运行

res4 = coll.query(query_embeddings=q_vec,n_results=2, include=["documents","embeddings","metadatas"])

三、工业生产真实架构（最常考）

架构拆分

1. MySQL（关系库）：id | word | price | type|id|word|type| |----|----|----| |1 | 苹果 | 水果 | |2 | 香蕉 | 水果 |

2. 向量数据库：id | embedding|id | 向量 | |----|----| |1|[0.61,0.22,-0.55]| |2|[0.58,0.25,-0.52]|

检索全流程

1. 用户提问 → 生成提问词向量；
2. 向量库查询 → 得到 [1,2] 两个 id + 相似度；
3. select word from fruit where id in (1,2)去 MySQL 查出：苹果、香蕉；

向量库永远不存原始词语，只存 ID 和向量，靠 ID 取文字。

四、精简背诵总结

1. 原生检索结果：ID + 相似度，既无词也无向量；
2. 要词语：入库存 document/metadata，查询配置开启返回文档；
3. 要向量：查询参数开启 embedding 字段返回；
4. 企业规范：文字存 MySQL，向量存向量库，ID 做关联。