记录一个有意思的需求： 希望search时，可以有基于标量的相似度检索 比如，年龄最接近20岁 最开始有理解这个需求，但是传统的检索实际是只区分了标量和向量的检索，所以没有get到这个需求是否必须 标量往往代表着严格的关系式检索条件，向量则在结果的基础上作进一步的基于相似度的检索

直到在使用美团时，看到距离排序，好评优先，价格低优先，高优先等 突然意识到这其实是一个非常有价值的需求

比如租房，想要筛选最接近2500的房子，目前只能手动调整范围，范围之后再排序；而接近2500 一个动作可以替代之前的两个动作

展开来讲，一个物品往往有多个标签，用户其实对部分标签是有倾向喜好的，当然这里我不太了解 向量检索的算法发展经历 向量检索必然是发展自 多个复杂标量难以维护的基础发展而来，所以可能模型推荐的作用就是 调整检索时标签的权重？

但是真实用户的需求，在对结果的筛选时，其实最后只会剩余较少的筛选条件和结果？

以及，这个需求的置放位置： 目前美团的实现，实际是基于结果的粗排序，没有锚点，所以单屏结果时，简单排序其实在用户终端实现是成本更低，更优的实现，所以看似不适合放在vdb 但是如果多个标量纬度的相似度筛选需求，是否可以放在vdb侧，实际这样vdb就变成了简单的推荐系统 而且某种程度，所有标量按理都会量化在向量中？ 是否有一种可能，只存储标量，自动量化，可以动态均衡 单独标量的相似度检索和 整体向量的相似度检索，我想这些都会在模型推理中有答案