来源：Dev.to

社区热议：

1. “garbage in, garbage out”——计算机科学最古老的规则又一记暴击。Metal GPU 内核算得再快，nlembedding 出来的向量是垃圾也没用。算余弦相似度到纳秒级，算的却是垃圾 —— 共鸣的读者

2. Metal 内核因为 SwiftPM 资源 bundle 路径问题静默返回 nil 这个踩坑太真实了。device.makeDefaultLibrary() 只在 bundle.main 的顶层 Resources 找编译好的 metal library，但 SwiftPM 把包目标的 .metal 文件塞进自己嵌套的 resource bundle 里，makeDefaultLibrary() 根本不查。聪明的 GPU 代码默默返回 nil 几个月 —— Swift 开发者读者

3. 混合搜索（关键词 + embedding）这个方案优雅。专有名词或具体事实——比如“turgay”“cv”“apple”——embedding 会泛化成“人”“文档”“公司”，但用户搜的是自己 CV 上的公司，字面匹配比语义相似有价值得多。两者结合才是正解 —— RAG 实践者

4. stop-word 过滤这步不能省。“and”“of”“which”“a”几乎每个文档都有，给它们加分那个 .ds_store 列表又会跳回顶部毒化结果。两层过滤（土耳其语+英语）加上 count > 2 自动滤掉 1–2 字母碎片，很务实 —— 关注搜索质量的读者

5. bonus 上限设 0.6 是关键微调。不限的话，一个有 10 个随机匹配但零相关性的长文档会人为推高分盖过一切。封顶让关键词匹配给强推力但不能完全劫持系统，语义打分仍有话语权 —— 认同作者权重的读者

海外技术社区热点采集。