Embedding 与检索50 条

E5 模型的查询/段落前缀

E5 系列要求查询与段落分别加固定前缀（query: / passage:），为不对称检索设计；漏加或加错前缀会明显影响效果且不易察觉。

RAG 与向量库速查AI更新于 2026-10-12

正确的前缀用法

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("intfloat/multilingual-e5-large")
q = model.encode("query: 如何申请差旅报销", normalize_embeddings=True)
d = model.encode(["passage: 差旅费报销流程说明"], normalize_embeddings=True)
print(float(q @ d[0]))

multilingual-e5-large 稠密维度 1024；前缀规则以该模型卡为准，换模型要重新核对。

易错点

漏加前缀时效果下降但报错为零，需在封装层强制拼接
两种前缀写反（索引侧用 query:）等于两侧表示错位

数据来源与参考

Wang et al., Multilingual E5 Text Embeddings, arXiv:2402.05672
Sentence-Transformers 官方文档（sbert.net）

继续搜索

常用关键词：3389 traceroute iptables 子网掩码 docker

‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌