在「搜索与知识库」类工具里，BGE 嵌入模型的定位是：智源研究院开源的文本嵌入与重排序模型系列。

如果你刚开始接触它，可以按下面 7 天的安排练习，每天 20 到 40 分钟。

每日安排

  • 第 1 天：注册与熟悉界面：阅读仓库 README 与许可证；按官方推荐方式安装（容器或包管理器）
  • 第 2 天：完成第一个任务「网页内容抓取」，按下文提示词操作。
  • 第 3 天：换一类任务「检索效果对比」，对比两次结果的质量。
  • 第 4 天：学习关键概念：RAG（检索增强生成）、嵌入（Embedding）、切分（Chunking）
  • 第 5 天：用真实工作材料做一次「构建问答测试集」，记录省下的时间和需要返工的地方。
  • 第 6 天：排查问题：对照常见问题「答案引用了错误段落」等检查自己的用法。
  • 第 7 天：复盘：保留有效的提示词，写下继续使用或放弃的理由。

第 2 天的练习材料

网页内容抓取

准备材料：一组需要定期关注的网页。

把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。

交付前确认：没有臆造发布日期。

一周后怎么判断值不值得继续

  • 是否稳定地节省了时间，而不只是第一次觉得新鲜。
  • 返工次数是否在下降。
  • 与 Jina Embeddings 等同类相比，是否更适合你的场景。
  • 数据与费用是否在可接受范围内。

更多可以试的用法

资料卡片整理

准备材料：搜索得到的十几篇资料。

把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。

验收标准：每张卡片都有来源。

内部文档入库

输入：一批 PDF、Word 和网页。

把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。

检查点：切分后的段落能回溯到页码。

带来源的快速调研

准备材料：一个需要事实支撑的问题。

请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。

交付前确认：关键结论都有可点击来源。

常见问题：回答过于笼统

要求逐条引用原文，并限定只回答文档中有依据的内容。

常见问题：搜索结果过时

限定时间范围，或在提问中注明需要最新信息并核对发布日期。

常见问题：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

概念补充：切分（Chunking）

把长文档拆成适合检索的小段，大小影响效果。

概念补充：引用溯源

回答附带原文出处，便于核对。

适合人群：数据分析师

数据分析师可以用 BGE 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

适合人群：研究生

研究生可以用 BGE 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。

注意事项

本文基于 BGE 嵌入模型公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

涉及个人信息、商业机密或受监管数据时，先确认 BGE 嵌入模型的数据处理条款，再决定能否使用。

延伸阅读