在国内用 BGE 嵌入模型要注意什么
先说清楚它是什么：BGE 嵌入模型属于「搜索与知识库」方向的开源项目，智源研究院开源的文本嵌入与重排序模型系列。
这篇面向国内用户，讲注册使用要点、合规注意和国产同类的对照。
使用要点
- 国内产品一般支持手机号或常用社交账号登录，具体以官网为准。
- 生成内容需遵守国内关于生成式 AI 的管理规定，公开发布时按平台要求标注。
- 企业使用前确认是否提供企业版、发票和数据处理协议。
- 与 Jina Embeddings 等同类产品相比，重点看你的核心任务效果。
国产同类对照
如果你需要国内可直接使用的方案，可以对照了解：秘塔 AI 搜索、腾讯 ima、RAGFlow。建议用同一组任务分别测试，比较效果、速度和数据条款。
一个通用测试任务
构建问答测试集
适用情况：手头有一份产品手册时。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
交付前确认：每个答案都能在手册中找到。
延伸练习
网页内容抓取
适用情况：手头有一组需要定期关注的网页时。
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」。
检查点：没有臆造发布日期。
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。
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。
常见问题：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
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。
概念补充：混合检索
同时使用关键词和向量检索，兼顾精确匹配与语义理解。
概念补充：重排序（Rerank）
对初步检索结果再次打分排序，提升相关性。
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：法务与律师助理
法务与律师助理可以用 BGE 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。
适合人群：咨询顾问
咨询顾问可以用 BGE 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
使用提醒
文中提示词和示例仅作示意，实际效果取决于你的材料和 BGE 当前版本，重要内容请人工核对后再使用。
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。