词、句、文都可以变成向量。比较它们时，最常见的是余弦相似度：看方向，不看绝对长度。点积会把长度算进去，欧氏距离对尺度更敏感。没有一种距离适合所有任务。
必须先对齐的三件事
- 同一个嵌入模型，同一套预处理。
- 同一段文本不要今天 512 维、明天 1024 维混着检索。
- 阈值跟语料走，别抄别人博客里的 0.8。
近邻检索在高维会变钝。文本场景里，先过滤再精排，往往比死磕一种距离公式更有效。相似度高只说明「在这个空间里靠近」，不保证「对用户来说是同一主题」。
把向量比较当成尺子校准问题，而不是数学竞赛，检索系统才不会在换模型那天集体失忆。
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AI智能系统？
「AI智能系统」是本文核心议题，结合行业实践给出可执行的理解框架与落地路径，避免只停留在概念层。
为什么要关注AI智能系统？
关注AI智能系统，是因为它直接影响效率、风险与可复制性。文中指出：近邻检索在高维会变钝。文本场景里，先过滤再精排，往往比死磕一种距离公式更有效。相似度高只说明「在这个空间里靠近」，不保证「对用户来说是同一主题」。
如何落地AI智能系统？有哪些关键步骤？
建议按以下路径推进AI智能系统：1) 同一个嵌入模型，同一套预处理。；2) 同一段文本不要今天 512 维、明天 1024 维混着检索。；3) 阈值跟语料走，别抄别人博客里的 0.8。。细节见正文对应章节。
AI智能系统适合哪些人或团队？
AI智能系统更适合：产品/技术负责人、运营与增长团队、需要落地智能体或自动化的中小团队、关注「AI智能系统」方向的读者。若你只需要单次聊天式问答，可先读概念；若要上生产，请重点看步骤、权限与风控相关段落。
关于「必须先对齐的三件事」，本文给出了什么结论？
「必须先对齐的三件事」是理解全文的关键切片：建议先读该节的结论句与列表项，再对照前后章节形成闭环。
实践AI智能系统时常见误区有哪些？
常见误区包括：① 只追工具不建流程；② 没有权限/审计边界就上生产；③ 缺少指标与回滚方案；④ 把演示效果当成稳定 SLA。针对AI智能系统，请以正文中的检查清单与约束条件为准，小范围验证后再扩面。