Модель эмбеддингов
EN · Embedding ModelМодель эмбеддингов — модель, превращающая текст в числовые векторы, по которым можно искать похожие фрагменты; основа семантического поиска и RAG.Определение на английскомA specialized AI model that converts text, images, or other data into dense numerical vectors (embeddings) that capture semantic meaning. Embedding models are distinct from LLMs—they don't generate text but instead create representations used for search, similarity matching, and clustering. Common embedding models include OpenAI's text-embedding-3, Cohere Embed, and open-source options like BGE and E5. Choosing the right embedding model affects RAG quality, search accuracy, and agent performance.
Автор: Max Zeshut
Основатель Agentmelt
Пример
Агент для юристов использует модель эмбеддингов, чтобы превратить 10 000 условий договоров в векторы. Когда юрист просит «найти все условия о передаче интеллектуальной собственности», модель переводит запрос в вектор и находит 15 семантически ближайших условий — даже с другой терминологией вроде «передача IP» или «права на результаты работ».
Часто задаваемые вопросы
- Должна ли модель эмбеддингов совпадать с LLM?
- Нет. Можно использовать эмбеддинги OpenAI с агентом на Claude и наоборот. Модели эмбеддингов и LLM выполняют разные функции — эмбеддинги отвечают за извлечение, LLM за рассуждение и генерацию. Выбирайте каждую по её достоинствам: модели эмбеддингов — по точности извлечения и стоимости, LLM — по качеству рассуждения и возможностям.