SQLite 也能做 RAG 的知识库。这一页演示检索部分：原文、向量和全文索引存在一个 .db 文件里， 不用单独部署数据库服务。输入问题，看看关键词、向量和融合排序分别找到了什么。
下面照着这条链路玩：先提问看手速，再盲测融合排序的判断，最后投喂一段它不知道的新事。
同一个问题，分别走 FTS5 和向量近邻。对比两路名次，再看融合结果。本页向量采用哈希嵌入，用于演示流程，不代表语义模型效果。
按各通道返回的名次排列。同名文档可能有多个文本块。
各通道按 1 /（排名 + 60）给分，再相加。没有进入该通道候选列表的文本块，贡献为零。
图表暂未加载，耗时数值仍可查看。
服务端总耗时还含查询向量生成等开销，不含网络往返。向量近邻在 Java 进程内计算，并非全部在 SQLite 内部执行。
两路各取前三条，去重后打乱。你最多选三张，再与 RRF 结果对照。这是排序对比，不是人工标注的标准答案。
写一段测试文字，切块、生成哈希向量并写入 .db，再回到上面检索。数据存在公共服务端，不承诺长期保存，请勿提交隐私资料。