检索入门基础概念
Embedding
嵌入 · 向量表示
把文本、图像等内容转换成一串数字，使语义相近的内容在向量空间中更接近的表示方法。
最后核验 2026-09-04 · 已核验
用一个类比理解
像给每段内容一个“含义坐标”：谈论相近事情的文本会落在地图上相近的位置。它解决什么
- 按语义而非字面匹配内容
- 为聚类、推荐和向量检索提供数值表示
它不是什么
- Embedding 会压缩并丢失信息
- 距离近不保证事实相关或答案正确
适合使用
- 用户与文档用词不完全相同
- 需要从大量非结构化内容召回候选
暂时别用
- 必须精确匹配编号姓名或符号
- 关系可用结构化查询清楚表达
常见失败方式
- 混用不同模型生成的向量
- 不更新已修改文档
- 只看相似度不评测召回
不是知识本身
向量是为相似度计算服务的压缩表示。它适合帮助系统“先找到可能相关的内容”，不适合作为可直接解释或精确还原的事实存储。
可信来源