LlamaIndex中List Index节点是否含嵌入向量？与Vector Store Index的区别？

List Index的节点是否带有嵌入向量？ #

List Index的节点默认不自带嵌入向量，只有当你为它配置了基于嵌入的检索器（比如EmbeddingRetriever）时，才会为节点生成并关联嵌入向量，以此支持基于嵌入的查询能力。嵌入向量是List Index的可选增强特性，而非其核心设计的一部分。

两者的核心区别 #

• 索引设计逻辑不同

  • Vector Store Index：以向量相似度检索为核心，默认会为每个节点生成嵌入向量并存储在向量存储（内存或外部向量数据库）中。检索时通过计算查询向量与节点向量的相似度，直接返回最相关的Top N节点，全程围绕向量匹配逻辑构建。
  • List Index：核心是线性存储文档拆分后的节点，默认采用线性遍历+LLM判断或递归摘要检索的逻辑。嵌入向量是附加的筛选手段，启用后会先通过向量相似度筛选出候选节点，再结合线性上下文完成最终检索，本质还是保留了线性序列的特性。

• 默认检索行为差异

  • Vector Store Index：默认使用向量相似度检索，无需遍历全部节点，检索效率高，适合大规模数据场景。
  • List Index：默认使用ListRetriever，会逐个遍历节点并让LLM判断相关性，或基于文档摘要递归缩小范围，效率相对较低，但能完整保留文档的上下文顺序。

• 适用场景不同

  • Vector Store Index：适合从海量文档中快速定位精准信息的场景，比如通用知识库问答、多文档信息检索。
  • List Index：适合需要依赖文档顺序、上下文连贯性的场景，比如长文档的连贯问答、故事/论文的逐段分析，能更好地处理需要线性逻辑支撑的问题。

内容的提问来源于stack exchange，提问作者Roman