什么是 embedding？用一句话说明它在检索中的作用。
embedding 是把文本映射成一组可计算距离的数字向量；在检索中，它让意思相近的内容即使字面不同也能被找出来，例如“退款时间”能匹配到“退货后多久到账”。
完整回答
工程要点：入库和查询必须用同一个或兼容的 embedding 模型，否则向量不在同一坐标系；向量要和原文、版本、元数据一起存，便于引用与重建；相似度高只代表语义近，不代表事实正确，检索结果仍需生成环节忠实化。它不是数据库本身，而是让数据库具备语义搜索能力的索引方式。
加分信息
- 指出入库与查询模型必须一致
- 区分语义相似与事实正确
常见问题
- 混用不同模型或维度的向量
- 只存向量不存原文与来源，无法展示引用
面试官可能追问
- 为什么换 embedding 模型意味着重建整个索引？
- 向量检索和关键词检索各自适合什么？
结合 RAG 知识库项目（/labs/rag-retrieval）：关键词、混合、向量三路对比，向量模式即 embedding 检索。