如果你用过 ChatGPT 的"知识库"功能，或者听说过"语义搜索"，那你已经间接接触过 Embedding 了。它是现代 AI 最基础也最重要的概念之一。

一句话解释

Embedding（嵌入）就是把一段文字、一张图、一段音频变成一串数字，这串数字代表它的"语义"——意思相近的东西，数字也相近。

一个直观的比喻

想象一张巨大的地图。地图上每个城市有一个坐标（经纬度）。北京和天津的坐标很近，北京和纽约的坐标很远。Embedding 就是给每个词、每个句子、每篇文章分配一个"语义坐标"。

比如：

• “猫"和"狗"的 Embedding 向量很接近（都是宠物）。
• “猫"和"汽车"的 Embedding 向量就离得很远。
• “王”-“男”+“女”≈“后”——向量的数学运算甚至能表达语义关系！

Embedding 有什么用？

Embedding 是现代 AI 基础设施的核心组件，主要应用场景包括：

1. 语义搜索

传统搜索只能匹配关键词。你搜"怎么减肥”，它只找包含"减肥"这个词的文档。而语义搜索用 Embedding，你搜"怎么减肥”，它也能找到"快速瘦身的方法"——因为两者的向量很接近。

2. RAG（检索增强生成）

这是当前最火的大模型应用模式。简单说就是：先把你的文档转换成 Embedding 存起来，用户提问时，找到最相关的文档片段，一起喂给大模型。这样大模型就能基于你的文档回答问题了。

3. 推荐系统

把用户和内容都映射到同一个 Embedding 空间。用户向量附近的内容，就是他可能感兴趣的。

4. 分类和聚类

Embedding 向量可以直接用来做分类（垃圾邮件检测）或聚类（自动把相似新闻归为一组）。

常用的 Embedding 模型

• OpenAI text-embedding-3-small / large：当前最常用的云端 Embedding 服务，价格便宜效果好。
• BGE（BAAI General Embedding）：智源研究院开源的 Embedding 模型，中文效果很好。
• Sentence-BERT：经典的开源方案，适合句子级别的语义表示。

小结

Embedding 是把"语义"变成"数学"的桥梁。它让计算机能够"理解"内容的含义，而不仅仅是匹配表面的文字。理解了 Embedding，你就理解了为什么大模型能够做搜索、做推荐、做知识库问答。