Embedding：把文字变成向量，算语义相似度
RAG 的地基是 Embedding——把一段文字变成一串数字（向量），语义相近的文字，向量在空间里也离得近。"退货"和"不想买了"字面上一个字都不像，但向量离得很近，这就是为什么 RAG 能"听懂"你的问题去找相关文档。这一章把 Embedding 单独讲透。
论Embedding 到底干了啥
"我想退货" → EmbeddingModel → [0.12, -0.87, 0.33, ...]（比如 1024 维）。
"商品我不想要了" → 同一个模型 → [0.11, -0.85, 0.30, ...]。两个向量夹角很小。
"今天中午吃啥" → [-0.5, 0.2, ...]，跟上面那两个夹角很大。
余弦相似度（cosine）就是算两个向量夹角的余弦：越接近 1 越相似，越接近 0 越不相关。RAG 检索就是把问题向量化后，在向量库里找 cosine 最大的几段文档。
注入 EmbeddingModel，给两句话算相似度
跑起来看输出
Embedding 的三个硬约束
| 约束 | 为什么 |
|---|---|
| 入库和检索必须同一模型 | 不同模型向量空间不同，坐标对不上，再像也搜不到。 |
| 换模型必须重建索引 | 真要换 Embedding 模型，所有历史文档重新向量化入库。 |
| 维度要和向量库对齐 | 每个模型输出固定维（如 1024），建库时维度写错直接报错。 |
EmbeddingModel 只能"把文字变向量"，不能聊天、不能回答问题。它是 RAG 里的"翻译官"，不是"思考者"。聊天用 ChatModel，算相似度/检索用 EmbeddingModel，两个别混。
本章面试题（RAG + Embedding）
Q1. RAG 七步流水线是什么？
参考答案
文档加载 → 切分(chunk) → Embedding 向量化 → 存向量库 → 用户问题向量化后相似度检索 → 把相关片段拼进 prompt → 大模型基于片段生成。核心是"先找对资料，再让模型说话"。
Q2. 为什么入库和检索必须用同一个 Embedding 模型？
参考答案
不同模型各有各的向量空间，"猫"在模型 A 的坐标和模型 B 的坐标完全不同。用 A 入库、用 B 检索，问题向量跟文档向量不在同一空间，余弦相似度失真，怎么搜都不相关。换模型必须全量重建索引。
Q3. 向量数据库怎么选？
参考答案
学习 demo 用内存 SimpleVectorStore；已有 PG 用 PGVector；已有 Redis 用 Redis Stack；大规模生产选 Milvus。判断：别为向量库单独引入新中间件，优先用你公司已有的。
Q4. chunk 切太大太小分别有什么问题？
参考答案
太大：一段混多个主题，检索时相关片段里掺无关内容，噪声多；太小：一两句话没上下文，语义不完整。一般 500~1000 token，留点 overlap 防止句子被切断。