语义检索准不准，七分看嵌入模型。它把文字转成向量，相似的意思想近的向量。选错模型，后面检索全白搭，所以这是 RAG 真正的命门。
快速结论
- 嵌入模型把文本转成向量，语义相近则向量相近。
- 它是语义检索和 RAG 的第一环，源头错全盘错。
- 选型看任务语言、领域、维度与实测效果。
- 别只信榜单，用你的数据测对齐度才靠谱。
嵌入模型做什么
它把一段文字压缩成一串数字（向量），让意思相近的文字在向量空间里也离得近。之后比较文字就变成比较向量距离，机器得以理解语义而非字面。
这步是语义检索的地基：用户提问转向量，去库里捞近的片段。地基选错模型，后面重排生成再好也救不回，所以它值得最优先认真对待。
为什么它是命门
RAG 效果上限常由检索决定，检索上限常由嵌入决定。很多答非所问根子在嵌入模型把不相关的判近、相关的判远，捞错了料。
所以调 RAG 别一上来怼生成，先疑嵌入。把嵌入选对、测准，多数检索问题自然消解。投入这环的回报，远高于后面修修补补。
通用还是领域
通用嵌入模型覆盖广，但对垂直领域（医学、法律、电商术语）的近义判断常不准。领域词有专属语义，通用模型没学过就容易误判。
垂直场景优先考虑领域微调或领域友好的模型。用你的真实语料跑一遍，看相关项是否真排前，比看通用榜单实在得多。
中文支持很关键
中文场景要选中文友好的模型，否则中英混排、专名、成语的语义捕捉会掉链子。有些模型英文强中文弱，直接拿来用中文检索必翻车。
验证方法简单：拿几组中文近义句和易混句，看向量距离是否符合直觉。中文表现不过关，再大名气也别用。语言匹配是硬门槛。
维度不是越高越好
高维向量表达力强但占存储、拖检索速度，且并非越高越准。很多任务中高维带来的提升边际递减，反而增加算力负担。
选维度看数据规模和时延要求：中小库用中等维度够用，超大库要考虑降维省成本。维度是旋钮，围着你的规模和性能拧，不是越大越贵越好。
对比式和检索式
有些嵌入模型专为句对相似度优化（对比任务），有些为大规模检索优化（召回）。两者侧重不同，拿来错配会掉效。
明确你的主场景：是算两句话像不像，还是从百万文档里捞相关？按主场景选型，别被模型的综合分迷惑。场景对齐比总分重要。
长文本怎么嵌
长段落直接嵌会丢失结构，模型常只抓开头结尾。做法是先切片再逐片嵌入，保留局部语义，检索时按片命中再回溯原文。
切片粒度影响嵌入质量：太粗一片含多意、太细丢上下文。和检索切片同理，按语义断点切，嵌入才准。嵌入和切片是连体婴儿。
标准化与归一
嵌入后常做向量归一化，让距离度量稳定可比。不同模型输出尺度不同，接入系统前统一处理，后续检索和重排才公平。
还要固定模型版本：嵌入模型一换，全库向量含义可能变，要么全量重嵌要么新老不混用。嵌入模型是基础设施，变更要当大事管。
和重排的配合
嵌入负责粗召回（捞一批可能相关的），重排负责精排（把最相关的顶上）。嵌入不必百分百准，只要把对的捞进候选，重排来收尾。
理解分工后，嵌入选型压力小些：召回保覆盖、重排保精准。但召回漏了（该近的不近），重排也救不回，所以嵌入仍不能太差。
评测用你的数据
别只看公开榜。建一小批你场景的查询与应命中配对，跑嵌入看命中率，这才是真指标。榜单第一未必在你数据上第一。
评测要覆盖边缘：易混词、同义不同字、领域黑话。只在简单样本上测，会高估。用你的真实难例逼出模型真实水平。
多语言场景
做跨语言检索（中查英资料）要选多语言对齐好的模型，否则跨语近义判不准。单语模型塞多语任务，效果会塌。
验证用真实跨语言对：中文问能否命中英文段。多语言能力不是宣传语，要拿你的语种对实测，才敢上线。
成本与部署
嵌入是高频操作（每次检索都跑），模型大小和推理成本要算账。大模型准但贵，小模型便宜，按调用量权衡。
还可批量预嵌建库（一次投入），查询时只嵌问题（轻量）。把重活放在建库期，查询期保持快，整体体验才顺。
常见三个坑
坑一：直接用默认英文强模型做中文，近义判歪。坑二：维度盲目拉高，存储时延双爆。坑三：只信榜单不测自己的数据，上线翻车。
三者都靠选中文友好、维度适中、用己数据实测化解。嵌入是 RAG 命门，花在这环的每一分都值。
选型清单怎么列
问四句：主场景是检索还是对比、语言是不是中文或跨语、数据是否垂直领域、规模和时延要求多高。四句答完，候选范围自然收窄。
再拿候选在你的数据上跑命中率，留下表现稳的。嵌入选型不是追新，而是找最贴合你那一亩三分地的那个。清单过一遍，决策不靠感觉。
图：嵌入选型 核心要点（运营GO 整理）
| 看什么 | 要点 | 易错 |
|---|---|---|
| 语言 | 中文友好 | 用英文强模型 |
| 维度 | 适中即可 | 盲目拉高 |
| 评测 | 用己数据 | 只信榜单 |
延伸阅读：什么是 RAG 检索增强生成、什么是 Prompt（提示词）。
下一步行动清单
- 选中文友好的嵌入模型。
- 维度适中，不为高维买单。
- 垂直领域优先领域友好型。
- 用你的数据测命中率。
- 固定版本，变更全量重嵌。
