【AI】什么是Embedding向量模型？我们应该如何选择？

我们之前讲的搭建本地知识库，基本都是使用检索增强生成（RAG）技术来搭建，Embedding模型则是RAG的核心，同时也是大模型落地必不可少的技术。那么今天我们就来聊聊Embedding向量模型：

一、Embedding模型是什么？

Embedding模型是一种将离散数据（如文本、图像、用户行为等）映射到连续向量空间的技术。其核心思想是通过低维稠密向量（Embedding）捕捉数据的内在特征和语义关系。

用通俗易懂一些的说法就是Embedding给数据穿上了一件“数字外衣”，把离散数据（如文本、图像、用户行为等）转化成一组数字，即向量来表示，目的是让机器更好的理解和处理。
或者说，Embedding模型就是一个“翻译官”，能把文字、图片、用户行为这些东西，变成一串计算机能看懂的数字。
比如：它能知道“猫”和“狗”都是宠物，所以它们的数字串很像；但“猫”和“西瓜”差别大，数字串就离得远。
干啥用