嵌入

嵌入模型读取一段文字，返回一串固定长度的数字，比如 1,024 个。单独的某个数字没有任何意义；重要的是整个向量在一个多维空间里的位置。一句关于领养小狗的话，和一句关于从收容所领一只狗的话，会落在彼此附近，而一句关于报税的话则落得很远。距离通常用余弦相似度来衡量，它比较的是两个向量的方向，而不是长度。可以想象一张地图，每段文字都是一枚图钉，相邻的图钉说的是同一件事。也有面向图片和音频的模型，把一张照片和它的说明映射到相近的点。像英文 bank（既指河岸，也指银行）这样的词，究竟靠近河流还是靠近金钱，取决于它周围的句子。

这把模糊的问题变成了算术。要搜索一大堆文档，你把每个段落嵌入一次并存下向量；提问时，把问题也嵌入，然后寻找向量最接近的段落。同样的思路也支撑着推荐、重复内容检测、客服工单的聚类，以及助手的记忆。它还是检索增强生成的第一步，找到的段落会交给语言模型，让它据此作答。商店、图书馆和客服中心用它做推荐货架、语义搜索栏和垃圾信息或重复内容的检测，并使用专门的索引来快速找到邻居，而不是逐个检查所有存储的向量。

嵌入也有局限。向量保留了含义，却丢失了确切的措辞，所以搜索一个精确的代码、名字或数字时可能会漏掉，许多系统会把向量与关键词匹配结合起来使用。不同模型的向量彼此无法比较：换了嵌入模型，就必须把所有内容重新嵌入一遍。长文本通常要先切成段落，因为用一个向量代表一整本书，会让内容变得模糊，而段落大小的选择会改变能找到什么。不同模型的质量也有差异：有些能处理多种语言，有些在一种语言上最好，所以在做决定之前，先用你自己的材料测试。典型的资料集有合同、客服工单、菜谱、歌词或源代码。

NeverNo 的保险箱会对你自己的文档使用嵌入。每个约 800 个 token 的段落，都会得到一个由 1,024 个数字组成的向量，由 DeepInfra 上的一个私密模型计算一次。向量保存在你浏览器里，紧挨着加密的文档，搜索本身也在那里完成。Z.ai 的 GLM 5.3 Flash 是能看图的免费私密模型，是随后能根据找到的段落作答的模型之一。

开发者也可以使用同一个嵌入模型。API 的 /embeddings 端点返回来自 qwen3-embedding-0.6b 的向量，每个向量有 1,024 个值，一次请求最多可以有 128 个输入。dimensions 选项可以缩短向量，也支持 base64 编码，OpenAI 的嵌入模型名称同样被接受，并由它来提供服务。关于私密 AI 的页面，说明了你的其余数据保存在哪里。