嵌入向量（Embedding）

打个比方：你有一张巨大的世界地图。在这个地图上：

• "狗"和"小狗"的坐标紧挨着（意思相近）。
• "狗"和"哈士奇"的坐标比较近（相关但不同）。
• "狗"和"冰箱"的坐标隔着太平洋（毫不相关）。

Embedding 就是这张"语义地图"——把每个词、每句话、每段文字变成一个坐标点（一串数字），机器通过算坐标之间的距离，判断两个东西"意思有多接近"。

这有什么用

• 搜"怎么让数据库变快"能搜到标题为"查询性能优化技巧"的文档——两个标题没有一个词重叠，但在地图上的坐标非常近，因为意思是一样的。这比传统的"关键词匹配"聪明多了。
• RAG 的核心零件：前面说的"开卷考试"（RAG），之所以能在卡片柜里快速找到相关卡片，靠的就是 Embedding。
• 推荐引擎：你读了一篇关于 Python 的文章，系统在语义地图上找"离它最近的"其他文章推荐给你。

你要懂里面的数学吗

不用。就像你不用懂 GPS 卫星的三角定位算法也能用导航一样。你只需要知道：AI 搜索不是靠"关键词完全对上"，而是靠"意思是否接近"——这个"接近"就是 Embedding 在背后算的。