Embeddings（嵌入向量）
embedding 是表示一段文本或图像含义的数值向量，其位置安排使得含义相近的内容彼此靠近——这是语义搜索和检索背后的机制。
embedding 模型把文本转换成一串数字——一个向量——其位置安排使得语义相近的文本在那个空间里彼此靠近。这让系统能够按含义而非精确关键词来查找相关材料：把查询嵌入、把文档嵌入，然后返回最近的那些向量。embeddings 是检索增强生成（RAG）和 agent 长期记忆之下的引擎，而 embedding 模型的质量在很大程度上决定了检索质量的上限。
要点
- 文本或图像变成一个向量，含义相近者彼此靠近。
- 支持语义搜索——按含义匹配，而非精确关键词。
- 它们驱动检索增强生成（RAG）和长期记忆。
- embedding 质量在很大程度上封顶了检索能达到的好坏。