智源研究院开源的文本嵌入与重排序模型系列——这是 BGE 嵌入模型最主要的用途，也是本文讨论的前提。

这篇写给科研人员：围绕文献检索与阅读、实验记录与数据整理和论文写作润色这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

科研人员的三个高频用法

1. 文献检索与阅读

在 BGE 嵌入模型中可以这样提：

围绕【研究问题】列出近五年的 10 篇代表性文献：作者、年份、方法、主要发现。我会逐条核对，请只列出你能给出 DOI 或可检索标题的文献。

把关：每篇都核对过原文。

2. 实验记录与数据整理

可直接复制到 BGE 里修改：

把这份实验记录整理成规范表格：日期、条件、样本编号、观测值、备注，指出记录中缺失或前后不一致的数据，不要补全数值。

把关：缺失数据被标出而非补全。

3. 论文写作润色

在 BGE 嵌入模型中可以这样提：

润色这段论文方法部分的英文，保持专业术语不变、数据不变，改为被动语态为主的学术风格，列出主要修改。

把关：术语与数据未改动。

也可以试试：资料卡片整理

这是「搜索与知识库」类工具的通用任务，科研人员同样用得上。

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。

边界与合规

遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

  • 产出由科研人员本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；BGE 嵌入模型的同类还有 Jina Embeddings、Voyage。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 BGE 纳入日常流程。

延伸练习

内部文档入库

准备材料：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。

验收标准：切分后的段落能回溯到页码。

网页内容抓取

输入：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」。

检查点：没有臆造发布日期。

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。

检查点：每个答案都能在手册中找到。

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：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。

常见问题：表格内容检索不到

换用能保留表格结构的解析工具，或单独把表格转成文本描述。

使用提醒

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。

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。

延伸阅读