Embedding 嵌入：把文字变成向量

一、什么是 Embedding

Embedding（嵌入）指把文字、图片等「符号」转换成一组固定长度的数字（向量）。这组数字可以表示这段文字的「语义」。语义相近的文字，其向量在空间中距离也近。

例如「猫」和「小猫」的向量很接近，而「猫」和「汽车」的向量则相距很远。

二、为什么需要向量

计算机只会算数字。把文字变成向量后，就能用数学方法（如余弦相似度）衡量两段文字「有多像」，从而实现语义搜索、聚类、推荐等。

三、Embedding 模型怎么工作

专用的 Embedding 模型（如 BGE、text-embedding 系列）接收一段文本，输出一个向量（常见 768、1024、1536 维等）。它经过专门训练，让「语义相似 → 向量相近」这一性质尽量成立。

四、一个直观例子

文本："今天天气很好"
向量：[0.12, -0.83, 0.44, ..., 0.09]  （共 1024 个数字）

文本："天气晴朗"
向量：[0.15, -0.80, 0.41, ..., 0.11]

两个向量的余弦相似度 ≈ 0.95（非常接近）

五、Embedding 的典型用途

• 语义搜索：搜「如何退票」能命中「取消订单」相关文档。
• RAG 检索：找到与问题最相关的知识片段。
• 去重与聚类：把相似文本归为一类。
• 推荐系统：找内容相近的物品。

六、小结

Embedding 是 RAG 和语义搜索的地基。理解了「文字 → 向量 → 相似度」，就理解了现代检索系统为什么能「听懂意思」而不只是匹配关键词。