用大白话解释 Embedding,以及在 Agent 里的应用
哪些公司问过
答案要点
- Embedding 把文字、图片转成向量,相当于语义地图上的坐标
- 语义相近的内容坐标距离近,可计算相似度
- 用途:搜索、推荐、聚类、去重
- Agent 中:知识库检索、长期记忆检索、工具选择、语义缓存
- 不同模型的向量不能混用,效果受模型和领域影响
易错点
- 用术语堆砌,没有类比
- 认为不同模型的向量可以混用
- 认为向量检索总能替代关键词检索
面试官常见追问
- 怎么衡量两个向量相似?
- 语义缓存是什么?
- Embedding 有什么局限?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。