misi: a Metric Inverted Sample Index
misi：基于随机样本的度量空间倒排索引
🧭 度量空间近似最近邻索引
CICESE
用数据库随机样本作为词汇表构建近似最近邻倒排索引，构建快且省内存，查询吞吐弱于图索引
📌 工作参考价值（4 点）
- 商品/内容 embedding 召回索引需要频繁更新（新品上架、活动换向量）时，misi 的构建可并行、确定性、比匹配召回 graph 构建快 3.7x，适合每日/小时级全量重建，避免在线增量索引不一致。
- 倒排样本思路可迁移为“粗召回-精排”两阶段：先用小样本词汇表构建轻量倒排，idf 加权投票快速取候选，再用高精度模型验证，适合在严格内存预算（如 8GB）下服务大规模候选库。
- 使用黑盒度量/多模态 embedding（如 CLIP 或用户-商品联合空间）时，无需修改距离定义即可索引；RAG 知识库频繁更新、设备端内存受限场景可复用。
- 注意查询吞吐是代价，线上高 QPS 场景应将其作为冷启动/离线批处理组件，或与 graph 索引组合，用其快速重建能力定期刷新主索引。