语义嵌入

概述

语义嵌入是将文本转换为高维向量表示的技术，捕获文本的语义关系和意图相似性，是现代 RAG 系统的核心检索机制之一。

关键内容

1. 工作原理：通过嵌入模型（如 Gemini Text 004、Voyage 系列）将文本块转换为向量，使语义相似的文本在向量空间中距离更近。

2. 优势：擅长理解查询意图和上下文相似性，能捕捉同义词、 paraphrase 等语义关系。

3. 局限性：对精确词汇/标识符匹配能力有限，如查询"错误代码 TS-999"可能错过精确匹配。

4. 与 BM25 互补：语义嵌入 + BM25 形成传统 RAG 的双引擎混合检索机制。

5. 上下文检索增强：在嵌入前添加语境前缀，所有测试的嵌入模型均有提升效果，Gemini Text 004 和 Voyage 系列表现最佳。

来源

• 02_contextual_retrieval.md — 检索技术全栈解析章节

相关

• BM25 — compares_to
• 上下文检索 — uses
• 检索增强生成 — uses
• Reranking — relates_to