AI 实践大家好，我是云途。Embedding、向量数据库和 Rerank 经常同时出现，但它们不是三个同义词。
最简单的理解是：Embedding 负责表示意思，向量数据库负责快速找候选，Rerank 负责把候选重新排得更准。
三个组件的先后关系
分别负责什么
Embedding
把文本变成一组数字，让语义相近的内容在向量空间中更接近。
向量数据库
保存向量和元数据，并在大量片段中快速找出相近候选。
Rerank
同时阅读问题和候选片段，对较小候选集进行更精细的相关性排序。
不是参数越大越好
- 召回数量太少可能漏掉答案，太多会增加噪声和成本。
- 相似度分数只说明向量接近，不等于事实正确。
- 更换 Embedding 模型通常需要重新生成并写入向量。
- Rerank 可以提高排序，但不能补回最初没有召回的片段。
用真实问题评估检索
为每个测试问题提前标出正确来源，然后记录正确片段是否进入前 K 个候选、Rerank 后排在第几位。不要只看最终回答像不像对。
你能定位检索链路中的具体问题
- 能分别解释三个组件的职责。
- 知道召回和排序是两个阶段。
- 评估时保留正确来源。
- 不会用最终回答代替检索质量检查。