<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Embedding on AI 观察</title><link>https://ai.wujiong.cc/tags/embedding/</link><description>Recent content in Embedding on AI 观察</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 24 Aug 2026 15:16:29 +0800</lastBuildDate><atom:link href="https://ai.wujiong.cc/tags/embedding/index.xml" rel="self" type="application/rss+xml"/><item><title>文本向量（Embedding）入门：语义搜索背后的数学直觉</title><link>https://ai.wujiong.cc/posts/2026-08-24-embeddings-explained/</link><pubDate>Mon, 24 Aug 2026 15:16:29 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-08-24-embeddings-explained/</guid><description>&lt;p>传统搜索靠关键词匹配：搜“笔记本电脑发热”，找不到只写了“手提电脑温度过高”的文章。&lt;strong>Embedding（文本向量）把文字映射为高维空间中的一个点，意思相近的文本在空间中距离也近&lt;/strong>，于是计算机可以按“语义”而不是“字面”来检索。它是语义搜索、RAG 知识库、推荐系统和文本聚类的共同基础。&lt;/p></description></item></channel></rss>