Django中SearchVector索引与SearchVectorField的区别及适用场景

我显然对这个主题存在一些误解，恳请各位指正我的错误。

正如PostgreSQL文档所述，我们应该使用**全文搜索（Full-Text Search）**而非简单的文本搜索操作符。

假设我有一个基于Django的博客应用，使用如下代码进行搜索：

Entry.objects.filter(body_text__search="Cheese")

核心逻辑是：blog_post字段的单条记录作为“文档（document）”，检索词"Cheese"作为搜索关键词。单条文档会被转换为tsvector（简化词向量）结构，检索词则被转换为tsquery（搜索查询）结构。

我梳理了四种场景：

• 无SearchVectorField且无SearchVector索引：对body_text字段的每条记录，都会生成对应的tsvector并与tsquery匹配，不匹配则继续检查下一条记录。
• 有SearchVectorField但无SearchVector索引：tsvector向量会存储在SearchVectorField字段中，搜索时无需再生成tsvector，速度会快一些，但仍需逐条检查所有记录。
• 同时拥有SearchVectorField和SearchVector索引：数据库会创建GIN索引，类似"cat": [3, 7, 18], ...这样的字典结构，存储词元（lexems）的出现位置，无需遍历所有记录，这应该是最快的方案。
• 仅拥有SearchVector索引：具备上述第三种情况的所有优势。

那我为什么要在表中设置SearchVectorField字段？也就是说，既然已经有了索引，为什么还要存储tsvector？

Django文档中提到：

若此方法过慢，可向模型中添加SearchVectorField。

提前感谢各位的解答。

内容的提问来源于stack exchange，提问作者S.B