BGE 嵌入模型怎么和其他工具组合：一条可落地的工作流
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。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：BGE 嵌入模型 + Mistral 开源模型
Mistral 开源模型的定位是：Mistral AI 以开放许可发布的模型。两者分工可以是：BGE 嵌入模型负责「网页内容抓取」这一步，Mistral 开源模型负责用本地模型处理敏感部分。
工作流步骤
- 明确交付物和验收标准，例如：没有臆造发布日期。
- 准备输入：一组需要定期关注的网页，先去掉敏感信息。
- 在 BGE 嵌入模型中执行核心步骤（提示词见下文）
- 把结果交给 Mistral 开源模型做下一步处理，或从 Mistral 开源模型取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
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」。
验收标准：没有臆造发布日期。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 成本叠加：两个工具都可能计费，先估算用量。
如果暂时不想引入第二个工具，也可以先用 Voyage 等同类产品替代其中一环，跑通流程后再决定。
更多可以试的用法
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。
验收标准：每个答案都能在手册中找到。
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。
交付前确认：切分后的段落能回溯到页码。
资料卡片整理
适用情况：手头有搜索得到的十几篇资料时。
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。
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：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。
概念补充：嵌入（Embedding）
把文本转成向量，用于语义相似度检索。
概念补充：RAG（检索增强生成）
先检索相关资料再让模型作答，降低胡编概率。
适合人群：销售
销售可以用 BGE 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。
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。
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。