> ## Documentation Index
> Fetch the complete documentation index at: https://web2md.org/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 语义搜索

> 用自然语言跨语言查找已保存的内容。

## 概述

语义搜索（v0.7）让你用自然语言查找之前转换过的内容，而不必依赖精确的关键词。搜"关于数据库优化的文章"，Web2MD 就会找出相关结果——即使这些词从未在原文中出现过。

<Note>
  语义搜索是 **Pro 专属**功能。
</Note>

## 工作方式

<Steps>
  <Step title="照常转换页面">
    每次转换页面时，Web2MD 都会自动为内容生成向量 embedding，不需要额外操作。
  </Step>

  <Step title="用自然语言搜索">
    打开历史记录，用日常语言（任何语言都可以）输入查询。Web2MD 会将你的查询与所有已存储的 embedding 进行匹配。
  </Step>

  <Step title="获得排序后的结果">
    结果按语义相关度排序，而非关键词出现频率。概念上最相近的转换记录排在最前面。
  </Step>
</Steps>

## 跨语言匹配

语义搜索支持跨语言。用英文搜索可以匹配到中文、日文、西班牙文或任何其他语言的内容，反之亦然。

| 查询语言 | 内容语言 | 是否可用 |
| ---- | ---- | ---- |
| 英文   | 英文   | 可以   |
| 英文   | 中文   | 可以   |
| 中文   | 英文   | 可以   |
| 任意   | 任意   | 可以   |

<Tip>
  如果你平时阅读多种语言的内容，这一点尤其实用。搜一次，就能找到所有相关内容，不受语言限制。
</Tip>

## 相关内容

转换页面后，Web2MD 会自动从你的历史记录中展示最多 **3 篇相关文章**。它能挖出你可能没注意到的关联——比如上个月一篇讲同一主题的博客，或一份概念有重叠的文档页。

相关内容会在每次转换后显示在预览卡片下方。

## 技术细节

<CardGroup cols={2}>
  <Card title="Embedding" icon="brain">
    基于 OpenAI embedding，每次转换时自动生成，安全存储在你的账户中。
  </Card>

  <Card title="向量搜索" icon="database">
    使用 pgvector，在你的全部转换历史中进行快速相似度检索。
  </Card>
</CardGroup>

## 在哪里使用

<Tabs>
  <Tab title="扩展">
    在 Web2MD 弹窗中打开 History 标签页，在搜索框中输入查询。结果会随输入实时更新。
  </Tab>

  <Tab title="API">
    使用 `/api/search` 端点以编程方式查询你的转换记录。将自然语言查询通过 `q` 参数传入。

    ```bash theme={null}
    curl -H "Authorization: Bearer YOUR_API_KEY" \
      "https://web2md.org/api/search?q=database+optimization"
    ```
  </Tab>
</Tabs>

## 零配置

Embedding 全自动生成——不需要开启任何选项，也不需要提供 API key。只要有 Pro 套餐，每条转换记录从保存那一刻起就可以被搜索到。

<Info>
  Embedding 的生成在服务端完成，通常在转换后几秒内就绪。
</Info>