【DeepSeek R1构建本地RAG知识库】向量(Embedding)模型选型

---

前言

检索增强生成（RAG）是生成式 AI 中的一类应用，支持使用自己的数据来增强 LLM 模型的知识。
RAG 通常会用到三种不同的AI模型，即 Embedding 模型、Rerankear模型以及大语言模型。
本文将介绍如何根据您的数据类型以及语言或特定领域选择合适的 Embedding 模型。

---

一、Embedding模型介绍

用一句话解释Embedding的本质
“Embedding是将文本（词、句、段落）映射到高维稠密向量的技术，其核心是将语义信息编码为计算机可计算的数学表示。”
类似于将‘苹果’转化为[0.23, -0.56, …, 0.78]这样的数字向量，语义相近的词（如‘苹果’和‘iPhone’）在向量空间中距离更近。

RAG中的作用：
索引阶段：将知识库文档切片为向量，构建向量数据库（如Milvus/FAISS）
检索阶段：将用户Query转换为向量，通过相似度计算（余弦相似度）召回相关文档

---

二、Embedding模型应用场景

1.垂直领域知识库（如