问答题【127/1935】Embedding 是什么?

难度:
2026-06-08 创建
想动手验证一下?打开练习场,写代码、看结果。在线练习

参考答案:

Embedding 可以理解为“把文本、图片、音频等非结构化内容,转换成一组数字向量”的过程。对于 RAG 场景,通常说的 Embedding 主要是指文本 Embedding,也就是把一句话、一段文档、一个问题转换成高维浮点数组,例如一个 768 维或 1536 维的向量。

这个向量不是随机数字,而是模型学习出来的语义表示。语义相近的内容,在向量空间里的距离会更近;语义差异大的内容,距离会更远。比如“如何申请退款”和“退款流程是什么”在字面上不完全一样,但表达的意图相近,它们对应的向量距离通常会比较近。

在 RAG 中,Embedding 的核心作用是做语义检索。一般流程是:先把知识库文档切分成多个 chunk,然后用 Embedding 模型把每个 chunk 转成向量,存入向量数据库;用户提问时,也把问题转成向量,再通过余弦相似度、点积或欧氏距离等方式,找出最相似的文档片段,最后把这些片段交给大模型生成答案。

所以 Embedding 解决的是“如何让机器理解语义相似性”的问题。传统关键词搜索更依赖字面匹配,而 Embedding 可以处理同义表达、上下文相近的问题,因此更适合知识问答、智能搜索、推荐、聚类、去重等场景。

不过 Embedding 也不是万能的。它的效果会受到模型能力、语料领域、文档切分方式、向量维度、相似度算法和召回策略影响。如果知识库里有大量专业术语,通用 Embedding 模型可能召回不准,这时可能需要选择领域更匹配的模型,或者结合关键词检索、rerank 模型做混合检索。

最近更新时间:2026-11-17

赞赏支持

题库维护不易,您的支持就是我们最大的动力!