这是系列的第 16 篇。整个系列写给零基础、想入行 AI 的朋友，每天一篇，30 天后你会做出 3 个能写进简历的项目。
这篇解决什么问题
昨天说 RAG 的核心是"先去资料里查出相关的内容"。可这里有个问题：怎么查？
传统方法是搜关键词。你问"怎么报销差旅费"，它就去文档里找有没有"报销"这两个字。这招有个致命缺陷：换个说法就搜不到了。 文档里写的是"差旅支出申请流程"，你问"出差花的钱怎么报"，关键词一个都不对，搜出来一片空白。
但人看得出来这两句话是一个意思。怎么让机器也看得出来？答案是 Embedding。今天这篇可能有点抽象，但我保证用人话能讲明白。
一、先理解一件事：把意思变成坐标
思路是这样的：既然机器看不懂文字，那就把文字变成数字。
不是随便变，而是按"意思"来变。意思相近的句子，变出来的数字也相近；意思差很远的，数字就差很远。
最直观的理解方式是把它想成地图上的坐标。每个句子在"意思的地图"上有一个位置：
- "怎么报销差旅费"
- "出差花的钱怎么报"
- "差旅支出申请流程"
这三句话意思相近，在地图上挨得很近，聚成一小团。
- "今天中午吃什么"
离它们就很远，在另一片区域。
这个"坐标"就是向量，一长串数字。把文字转成向量的过程叫 Embedding。你不用管这串数字具体是多少，也不用管它是怎么算出来的，那是模型内部的事。你只需要知道：意思相近，坐标就相近。
二、查资料变成了量距离
有了坐标，检索这件事就变成了小学几何题：算出提问的坐标，去地图上找离它最近的那几个点，取出来。
举例说明。假设库里存了三段资料，提问是"出差怎么报销"：
| 资料内容 | 和提问的"距离" | 结果 |
|---|---|---|
| 差旅支出申请流程：先填单...... | 很近 | 命中 |
| 员工考勤管理规定...... | 很远 | 不相关 |
| 差旅费标准：高铁二等座...... | 较近 | 命中 |
机器算的就是距离，跟关键词一个字都对不上也没关系，因为比的是意思，不是字面。
记住这个比喻，整个 RAG 就通了：Embedding 给每句话发了个坐标，检索就是在地图上找最近的邻居。
三、动手感受一下：算两句话有多像
光看比喻还是虚，跑一遍代码就有感觉了。Embedding 也是调用 API 拿到的，写法你早就熟了：
python
from openai import OpenAI
client = OpenAI(api_key="你的密钥", base_url="https://api.deepseek.com")
def get_embedding(text):
"""把一句话变成一串数字（向量）"""
response = client.embeddings.create(
model="embedding-model-name", # 换成你所用平台的 embedding 模型名
input=text
)
return response.data[0].embedding
# 试三句话
a = get_embedding("怎么报销差旅费")
b = get_embedding("出差花的钱怎么报")
c = get_embedding("今天中午吃什么")
print("向量的长度：", len(a)) # 通常是一千多个数字你会看到打印出来的长度是一千多，也就是说每句话被变成了一千多个坐标值。这是高维空间，我们画不出来，但距离的计算逻辑和平面上一模一样。
接下来算相似度。数学上一般用余弦相似度，你不用记公式，知道它输出 0 到 1，越接近 1 越像就行：
python
import numpy as np
def similarity(v1, v2):
"""算两个向量的相似度，结果越接近 1 越相似"""
return float(np.dot(v1, v2) / (np.linalg.norm(v1) * np.linalg.norm(v2)))
print("意思相近的两句：", similarity(a, b)) # 会比较高，比如 0.85
print("毫不相关的两句：", similarity(a, c)) # 会低很多，比如 0.3跑完你会亲眼看到：意思相近的两句相似度明显更高，虽然它们一个字都不一样。这就是"机器理解意思"的实现方式，一点都不神秘。
（这段用到了 numpy，如果没装，执行 pip install numpy 就行。）
四、一个新手必知的坑
Embedding 的模型和对话的模型是两回事，别搞混。
对话模型负责说话（deepseek-chat 这类），Embedding 模型专门负责把文字变成向量，名字通常带 embedding 或 bge 之类。有些平台这两个是分开的，你需要单独看文档确认模型名，有的平台甚至要单独开通。
另外，生成向量和检索必须用同一个 Embedding 模型。如果存库时用的是 A 模型，查询时换了 B 模型，两边的坐标系都不一样，算出来的距离毫无意义。这个坑新手很容易踩，因为报错很不明显，只是搜索结果乱。
五、为什么这一篇值得花一天
因为"向量检索"是现代 AI 应用的基础技术之一，它不是 RAG 独有的：
- 搜图、搜视频，本质是把图片也变成向量
- 推荐系统，算的是用户和商品在向量空间里的距离
- 去重和聚类，也是靠算相似度
你今天搞懂的这个思路，以后遇到很多技术都能对号入座。面试时被问到"RAG 怎么检索的"，你能从"把意思变成坐标，再找最近的邻居"讲起，比背术语强得多。
今天的作业
跑一遍上面的代码，试试你自己想测的三句话，把两两的相似度数字贴到评论区。建议你测一组反例，比如"我要请假"和"我想请几天假"，看看相似度是多少，感受一下这个方法的靠谱程度。
明天预告
Day 17：《ChromaDB 上手：给本地文档建一个"外挂大脑"》。今天学会了怎么把文字变坐标，明天就有地方存它们了。ChromaDB 是最好上手的向量数据库，轻量、不用装服务、几行代码就能用。明天我们把一批文档真的塞进去，并且实现"提问就返回最相关的段落"。
*系列目录：30天从零开始学AI应用 开发