以嵌入為基礎的檢索（embedding-based retrieval）

以嵌入為基礎的檢索（embedding-based retrieval）不是比對一模一樣的字詞，而是比對意義。每個片段都被轉成一個嵌入（embedding）——一串數字，把這段文字放到一個空間裡的某一點，意思相近的段落會落在彼此附近。你的問題也用同樣方式轉成向量，系統就直接取出向量離它最近的那些片段。同義詞和換句話說不再是問題，因為「接近」講的是意義，不是拼字。

接近程度用餘弦相似度（cosine similarity）或內積來衡量，而要在數百萬個向量中找出最近的幾個，會用近似最近鄰搜尋來保持速度。好處很具體：像「我要怎麼重設密碼？」這樣的問題，即使和標題為「帳號救援步驟」的段落沒有任何共同關鍵字，也能被撈回來，因為兩者的意義——以及它們的向量——是對齊的。這正是大多數 RAG 系統內部的檢索引擎。