向量搜索的目标不是返回“看起来相关”的文本，而是在可接受的候选量内稳定找回业务需要的资料。
输入 → API → 输出
输入是规范化文本或文本数组；POST /v1/embeddings 返回向量与 usage；应用将向量写入自选存储并执行相似度检索。API 不提供向量库。
最小实现步骤
- 1清理导航和重复模板，按独立语义切分文本，同时保留文档和段落 ID。
- 2批量调用 Embeddings 并存储模型名；查询时必须使用兼容的同一模型。
- 3计算余弦相似度或使用向量数据库，返回候选片段及其元数据。
- 4建立查询集，统计正确片段是否进入前 K 个结果，并人工检查误召回。
常见边界
阈值不是通用常数
不同语料和查询分布需要单独校准，过高会漏召回，过低会引入噪声。
更大向量不保证更好
模型、维度、语料语言、存储和查询成本应一起评估。
准备好开始了吗？
注册并完成邮箱验证即可获得 ¥10 试用额度，通常数分钟可完成首次 API 调用。