先把结论给你：RAG里如果召回不准、答非所问，先别怪大模型，八成是embedding选错了。这篇讲为什么，以及怎么选。

为什么embedding这么关键。 RAG的流程是：用户问题→转成向量→在知识库里找最近的几个向量块→把这几块喂给大模型生成答案。注意，"找最近"这一步完全由embedding决定。embedding就是把文字压成一串数字（向量），语义相近的文字，向量距离就近。如果这个模型对你的领域语义理解得糙，"社保缴费基数"和"医保报销比例"在它眼里挨得很近，那召回就会把不相关的块捞上来。后面大模型再强，喂的料是错的，答案必然废。这就是"垃圾进垃圾出"。

怎么选，看四点：

1. 语种匹配最优先。 中文场景一定用中文或中英双语训练充分的embedding。拿纯英文语料为主训出来的模型套中文，向量空间是歪的，召回准确率能差出一大截。这是最常见的坑。

2. 领域贴近度。 通用embedding在通用问答上够用，但你要是做法律、医疗、政务这种术语密集的领域，得测一下专业词的区分度。有些通用模型把领域近义术语全挤成一团，区分不开。

3. 向量维度别盲目求高。 维度高不等于效果好，反而更占存储、检索更慢。我实测过同一批文档，某个768维的在我们场景里召回比某个1536维的还略好，又省一半空间。维度是工程权衡，不是越大越牛。

4. 最大输入长度。 有些embedding一次只吃512个token,你的文档块切太长会被截断，尾巴丢了。切片粒度得跟它的输入上限对齐。

最实在的一招：自己拿真实问题测。 别信榜单。我攒了五十条真实用户问法，配上"理想该召回哪块",换不同embedding跑一遍，看Top3命中率。换embedding前后,我们这个库的命中率从七成出头提到九成,就靠换对了一个模型，prompt一个字没改。说实话这五十条测试集是手工标的，挺枯燥，但这步省不得——没有评测基准,选型就是凭感觉。

我是在一个零代码就能配智能体、知识库里能切换embedding的平台上做的对比，换嵌入模型是下拉选一下、重建索引就行，不用改代码。它能多源切换embedding这点确实方便测，但它不会告诉你哪个最适合你的数据——选型这事永远得你自己拿数据说话。

收个尾：embedding是RAG的地基。地基歪了，上面盖多高都白搭。选之前，先攒一套你自己的真实评测集。

（嵌入和生成我都走的讯飞 MaaS，现成多模型按需调，没自建。）