本文介绍了向量召回的最佳实践，包括对称召回和非对称召回的比较、知识增强、模型演进和选型、向量模型Finetune、召回Rerank以及多路融合的工程实践。微调可以提高Recall@N的准确率，Rerank可以结合倒排和向量召回的结果。LangChain框架可以简化LLM应用开发和多种LLM模型的集成流程。建议同时考虑QQ和QD召回，用QQ和QD语料对向量模型进行Finetune。多路召回对提升知识问答的覆盖能力有正向帮助。

本文介绍了在垂直领域FAQ知识语料的倒排检索实践中，构建同义词表的方法和倒排召回的优劣势。倒排召回具备精确匹配、索引效率和可解释的优势，但缺乏语义信息，对“一词多义”现象解决不好。下篇将关注向量召回和两者结合的实践。