展开本页目录
开始前准备什么
- 下载完整练习包，在独立目录阅读README与已执行范围。
- 安装requirements.txt指定版本或使用文中目标工具；依赖与模型权重不要混入网站工程。
- 只有明确标为已执行的部分有本次证据；真实模型、账号或GPU步骤按自己的环境另行验证。
- 创建原创两行向量表
- 查询并保存初次结果
- 更新A向量并记录新版本
- checkout到旧版本查询
- 回到latest核对新向量
- 处理版本清理边界
- 交付版本和向量回读
1. 创建原创两行向量表
A的向量朝[1,0]，B朝[0,1]，先记录创建后真实version。不要硬编码“第一版一定1”而忽略操作产生的新版本。
2. 查询并保存初次结果
使用固定query=[1,0]检索，记录ID、距离和版本。此向量是作者数值，不是embedding模型输出。
本题独立目录执行
bash
python reference/audit.py3. 更新A向量并记录新版本
把A更新到[0,1]，保存实际操作及新version，保留更新前内容。结果变化必须和写入版本关联。
本题SDK或目标环境入口
bash
python reference/run_sdk.py
4. checkout到旧版本查询
使用LanceDB真实checkout旧版本，核对A向量恢复旧视图并复现原检索。checkout是版本视图，不是宣布后来数据已删除。
5. 回到latest核对新向量
执行checkout_latest或当前对应接口，确认新向量仍在。若要永久恢复旧内容，另行使用文档支持的restore并理解新版本后果。
6. 处理版本清理边界
只在测试表操作；不要在未备份生产表上清理old versions。旧版本被清理后可能不可回查，不能承诺无限历史。
7. 交付版本和向量回读
保存前后版本ID、实际查询与距离。包内本地LanceDB测试独立临时目录运行，不修改业务库、不下载embedding模型。
怎样确认已经完成
- 旧版本的数据和模型hash可回读
- 保持查询向量一致
- 不把数据版本当模型版本
- 已实际运行LanceDB临时表创建/更新/checkout旧版/回到latest，核对A向量及旧版检索；未运行embedding，未修改业务库。
常见问题
LanceDB更新嵌入后怎么复现上一次的检索？
保存真实版本ID，更新后checkout到旧版本再用固定query检索。实际临时LanceDB v1/v2对照和回到latest已运行。
向量表checkout旧版本时，还要固定哪些查询条件？
还要固定embedding模型、query向量、距离、过滤和limit。checkout是旧视图，不等于删除新版本；旧数据清理后也不能承诺仍可回查。
这篇教程哪些步骤已经真正执行？
已实际运行LanceDB临时表创建/更新/checkout旧版/回到latest，核对A向量及旧版检索；未运行embedding，未修改业务库。