嵌入 / 向量

先打个比方

想象你把全世界的词都搬进一座超大的"意思商场"。意思相近的，电脑就把它们安排在挨着的店铺：「猫」和「狗」在同一层逛街，「香蕉」和「苹果」在隔壁水果区，而「猫」和「火箭」隔了十万八千里 🛒。

这个"商场地址"，其实就是一串数字坐标，比如 (0.8, 0.2, 0.5…)。把一句话、一张图变成这样一串坐标的过程，就叫嵌入（Embedding），得到的那串数字就叫向量。

它到底是什么

机器其实不懂"意思"，它只会算数。所以聪明人想了个办法：把语义偷偷"翻译"成坐标。意思越近，坐标挨得越近；意思差得远，坐标也离得远。

于是"谁和谁像不像"这种很玄的问题，就变成了"两个坐标点之间隔多远"这种小学几何题——机器一减一算就知道答案。它没真懂语言，只是把理解这件事，转成了它最擅长的距离计算。

为什么和你有关

你天天用的功能，背后几乎全靠它：

• 搜索：你搜"便宜又好开的车"，能翻出写着"性价比高、新手友好"的文章，靠的就是坐标挨得近，而不是死抠字面。
• 推荐：刷到的下一个视频，是因为它和你刚点赞的那条"坐标相邻"。
• RAG（让 AI 先查资料再回答）：AI 也是先把你的问题变成坐标，去资料堆里捞最近的几段，再开口说话。

一句话记住它：嵌入就是 AI 的"意思尺子"——它量的不是字一不一样，而是意思像不像。下次 AI 答得特别懂你，你就知道，是这把尺子在悄悄发力。