Embedding 模型

Embedding 模型在 RAG 中的角色、MaiAgent 雲端目前啟用的 Embedding 模型、地端部署的預設模型，以及自備 Embedding 服務的介面要求。

什麼是 Embedding？

Embedding 模型把文字轉成一串數字（向量）。語意相近的文字，轉出來的向量也相近，所以系統可以用向量距離找出「意思相關」的段落，即使問題和文件的措辭不同。

在 MaiAgent 的 RAG 流程中，Embedding 模型做兩件事：

1. 建立索引：把知識庫解析後的每個段落轉成向量，存進向量資料庫。

2. 轉換問題：把使用者的問題轉成向量，和資料庫中的段落比對相似度。

RAG 流程

完整的檢索流程見 RAG 知識庫檢索系統。

選擇時要知道的事

• 建立後無法在後台更改：Embedding 模型在建立知識庫時選定。不同模型產生的向量無法互相比對，需要更換時請另建知識庫，或洽 MaiAgent 窗口。

• 圖片檔需要多模態模型：要把圖片檔（例如 .png、.jpg）放進知識庫並建立索引，知識庫必須使用支援多模態的 Embedding 模型，否則該檔案會解析失敗。

• Agent 可以混用：同一個 Agent 可以掛使用不同 Embedding 模型的知識庫，平台會各自查詢後合併結果。

MaiAgent 雲端啟用中的模型

以下為 2026 年 10 月正式區的啟用清單，建立知識庫時可選的模型以後台顯示為準。

模型（後台名稱）	供應商	支援圖片檔
OpenAI text-embedding-3	OpenAI（text-embedding-3-large）	否
Cohere Embed V4.0	Cohere（embed-v4.0）	是
Cohere Embed Multilingual v3.0 (Bedrock)	AWS Bedrock（cohere.embed-multilingual-v3）	否

地端部署

地端與私有雲可以在本機部署 Embedding 模型（部署包的模型目錄提供 jina-embeddings-v3，需要 GPU），或接上既有的模型服務、雲端供應商。可用的模型與接法見 地端模型服務接入；各雲端供應商是否支援 Embedding 見 雲端模型推論 API 服務。

自備 Embedding 服務的介面要求

接上自行架設或第三方的 OpenAI 相容 Embedding 服務時，網址要包含 /v1，服務也必須接受 MaiAgent 送出的參數，否則知識庫檔案會全部解析失敗。完整規則見 地端模型服務接入：自備 Embedding 與 Reranker 的限制。

Embedding 模型影響的是「找不找得到」。若某個問題常常找不到正確段落，可以先用後台的 搜尋測試 檢查結果，再評估調整 Reranker、檢索片段數量，或改用其他 Embedding 模型重建知識庫。