一句话定义：Multi-Vector Retrieval（多向量检索）指同一篇文档用多个向量来表示——标题一个、每个段落一个、摘要一个——检索时分别计算相似度再合并，而不是把整篇文档压成一个向量。
为什么需要它：单向量检索（single-vector retrieval）把整篇文档交给嵌入模型（embedding model），压成一个稠密向量（dense vector）。文档一长，这个向量就成了「平均脸」：一段讲报销流程，一段讲违约责任，混在一起后哪一段都不像了。
打个比方：单向量像给一栋楼只拍一张大门照片，有人问「三楼有没有会议室」只能靠猜；多向量像给每个房间都拍一张，再附一张楼层索引，问什么都能对上具体那一间。
三种常见做法：
- 切块（chunking）：文档切成段，每段一个向量；命中段落后，再返回整篇或相邻上下文，也就是常说的「小块检索、大块返回」。
- 摘要或假设问题：让大模型为每段生成摘要，或「这段话能回答什么问题」；这些文本各存一个向量，用户提问更容易命中。
- 迟交互（late interaction，如 ColBERT 类方法）：连 token 都各留一个向量，查询与文档在词级别做最大匹配打分。
代价在存储和打分：
- 存储：向量条数等于「文档数 × 每篇向量数」，索引体积随之上涨，内存占用和构建时间都要重新考虑。
- 打分：一次AI 词典：余弦相似度">余弦相似度变成「多次打分并聚合」。取最大值还是求和？同一篇文档有 3 个段落命中，分数怎么合并、怎么去重？聚合规则直接决定召回质量，要按产品需要来调整。
- 链路变长：先召回 top-k 个块，再按文档分组聚合成 top-n 篇，多了一道工程活。
| 维度 | 单向量检索 | 多向量检索 |
|---|---|---|
| 表示粒度 | 一篇文档 1 个向量 | 一篇文档 N 个向量 |
| 长文档细节 | 容易被平均掉 | 段落级细节保留 |
| 存储开销 | 小 | 约为单向量的 N 倍 |
| 打分方式 | 一次相似度比较 | 多次打分后聚合、去重 |
| 工程复杂度 | 低 | 中到高 |
| 适合场景 | 短文本、FAQ | 长文档、合同、法规、代码库 |
不要和混合检索混淆：混合检索（hybrid search）指「向量加关键词（如 BM25）两路召回再融合」，说的是检索信号种类；多向量说的是表示粒度。两者可以叠加。
对从业者：做 RAG 时，如果用户问的细节总被长文档「稀释」，先检查切块与表示方式，不要急着换模型。多向量是用存储换精度——召回更稳、定位更准，但成本更高、可调参数更多。不少向量数据库支持一文档多向量或多字段索引，具体能力和限制以官方文档为准。
对普通人：你在企业知识库问「试用期多久」，系统能精确找到员工手册第 4 页那一段，而不是把整本手册模糊地推给你。