BGE 嵌入模型是一款开源项目：智源研究院开源的文本嵌入与重排序模型系列。

换工具的成本常被低估，这篇按步骤列出迁移前后要做的事。

以从 Jina Embeddings 迁移为例

迁移不一定是「全面替换」。很多团队会先把一部分任务交给 BGE 嵌入模型，与 Jina Embeddings 并行一段时间再决定。

迁移步骤

  1. 盘点资产：现在用的提示词、模板、知识库、自动化流程和历史产出。
  2. 确认导出方式：哪些能导出、格式是什么、哪些只能手工迁移。
  3. 挑 3 个典型任务（如「构建问答测试集」「资料卡片整理」）在两边同时做。
  4. 按同一张评分表比较结果。
  5. 迁移账号与权限，通知团队新的使用规范。
  6. 保留旧工具一段时间的只读访问，确认无遗漏后再停用。

对比测试用的任务

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。

检查点：每个答案都能在手册中找到。

不建议迁移的情况

  • 核心流程依赖 Jina Embeddings 特有的功能或集成。
  • 团队刚刚完成培训，切换成本过高。
  • 新工具的数据处理条款不满足要求。

补充练习

检索效果对比

准备材料：同一批问题和两种检索配置。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

验收标准：对比用同一批问题。

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」。

交付前确认：没有臆造发布日期。

内部文档入库

适用情况：手头有一批 PDF、Word 和网页时。

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：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。

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。

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。

概念补充：嵌入（Embedding）

把文本转成向量，用于语义相似度检索。

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。

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。

写在最后

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。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读