向量索引与嵌入
Vector Indexing & Embedding
多模态向量嵌入与索引系统，支持增量构建、多模型切换和高效检索
子问题
1.嵌入模型统一抽象
2.索引增量更新
3.多语料库合并
4.多模态嵌入对齐
5.多向量与单向量嵌入的存储与检索差异处理
6.视频帧采样率对嵌入质量的影响控制
7.双引擎（精排+召回）的协调与选择策略
各项目的解法1 solutions
Signals
横向对比
| 维度 | VRAG |
|---|---|
| 嵌入模型抽象 | VL_Embedding 继承 LlamaIndex MultiModalEmbedding，模型名前缀路由 ColQwen2/ColPali/OpenBMB |
| 索引增量更新 | 三件套断点续建：uid/path 集合去重 + save_interval 周期保存 |
| 多语料库合并 | FAISS merge_from 原生合并 + ntotal 三重一致性断言 |
| 多模态嵌入对齐 | 双引擎：ColQwen2 多向量精排 + GVE 单向量召回，文件后缀自动路由模态 |
| 索引类型 | IndexFlatIP 精确内积，无 ANN 近似 |
| 服务化方式 | 双 FastAPI 服务分别暴露 ColQwen2 和 GVE 搜索接口 |
最佳实践
1.断点续建索引避免重复计算，统一嵌入接口支持模型热切换
2.三件套原子保存（index+metadata+filelist）保证一致性
3.文件后缀自动路由模态类型实现零配置多模态摄入
4.FAISS merge_from 原生合并避免手动向量拼接的内存开销