嵌入模型做的事情很朴素：把离散符号放到连续空间里，让「靠近」开始有意义。词的位置来自它和谁一起出现；句子再把词的位置汇总；文章再按块汇总。你得到的不是摘要，是坐标。
生成时要注意
- 切块太大，坐标被多个主题拉扯；太小，丢掉上下文。
- 标题、小标题、代码块的权重不一样，一视同仁会脏。
- 同一篇文章的多块向量，检索时要能回溯到块，而不是只回到整篇。
嵌入一旦成为基础设施，就要版本化。模型升级等于搬家。旧索引必须重建，不能靠「差不多也能搜」混过去。
坐标一旦进了检索库，就变成站点的长期资产。资产要有清单：哪一版模型、哪一种切块、哪一天重建。缺这三样，出了错你只能重做全部。
本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源
常见问题 FAQ
什么是嵌入模型，它如何工作？
嵌入模型把离散符号如词语放到连续向量空间中，让语义相似的词在空间里靠近。词的位置来自它与其他词的共现，句子再汇总词的位置，文章按块汇总。这样，你得到的是语义坐标，而不是压缩摘要，便于后续搜索和分析。
为什么说嵌入是坐标而不是压缩？
嵌入的主要功能是提供词在语义空间中的位置坐标，让“靠近”有意义，支持相似性计算。它不像压缩那样减少数据大小，而是构建空间关系，用于检索和生成。正文强调你得到的是坐标，不是摘要。
生成嵌入时，切块大小不当会导致什么问题？
如果切块太大，坐标会被多个主题拉扯，导致语义模糊；如果太小，则会丢掉必要的上下文信息，影响嵌入质量。所以，切块需要平衡大小，避免这些陷阱，确保坐标准确。
如何处理文章中的标题、小标题和代码块？
正文指出标题、小标题和代码块的权重不同，不能一视同仁。需要区分处理，比如给予不同权重，否则会导致嵌入质量变差，出现“脏”数据。这有助于更精确地生成语义坐标。
为什么嵌入模型升级时需要重建索引？
因为模型升级相当于搬家，向量空间变化，旧索引不再准确。必须重建旧索引，不能依赖“差不多也能搜”混过去。资产要有清单：模型版本、切块方式和重建日期，否则出错只能重做全部。
检索中如何让多块向量回溯到具体块？
同一篇文章的多块向量，检索时要能关联到源块，而不是只返回整篇文章。这需要设计索引结构，确保每个向量可追溯，避免丢失上下文，提高检索精度。