向量表示（Embedding）（2026.08.25）

概念编号：071

一句话理解

Embedding 就像给一段文字或一张图片生成一组“坐标”，让计算机可以比较它们的相似程度。

具体解释

模型把对象转换成一串数字向量。语义、主题或视觉特征相近的对象，通常会在向量空间中更接近。Embedding 可以用于语义搜索、聚类、推荐和 RAG 检索。

边界与易混淆概念

• Embedding 不等于向量数据库：前者负责生成向量，后者负责保存和检索向量。
• 向量相近不等于事实相同：相似度只是检索信号，不是事实证明。
• 不同模型的向量空间通常不能直接混用：需要确认维度和训练方式。

例子

把“如何学习 RAG”和“检索增强生成入门”转换成向量后，系统可以判断它们语义相近，即使关键词不完全相同。

相关概念

• 检索（Retrieval）（2026.08.25）
• 向量索引与向量数据库（2026.08.25）
• 检索增强生成（RAG）（2026.08.24）

来源

• Attention Is All You Need
• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

概念卡更新日志

• 2026.08.25｜创建概念卡：依据 Transformer 与 RAG 原始论文，登记为 071。