如何理解Embedding 模型、维度与版本身份？

项目版本说明

这些问答整合历史设计与实现资料；当前 main 分支 README 以工作包描述建设状态。具体能力、实验数据与设计目标的边界见项目状态与证据。

标准回答

Embedding 将内容映射到模型定义的向量空间，距离或相似度用于近邻检索。模型版本、预处理、维度与归一化方式都会影响结果。两种模型即使都输出 1024 维，也不能默认互相比较；查询与文档应处在兼容的空间。

EachOf 的历史真实模型实验使用 Qwen3 Embedding 0.6B 的 Ollama 工件，输出 1024 维，并记录模型身份。项目仍保留 fallback-hash-v1 作为打包默认，Qwen 是操作方选择的模型工件；不能把实验使用 Qwen 说成所有默认安装都自动运行 Qwen。

模型迁移可建立新版本向量、后台回填和一致性检查，再切换查询配置。迁移期间避免把新查询向量与旧文档向量混搜，失败时能回到一致的旧空间。多模态或其他维度的支持也需要实际契约和索引匹配。

对单位向量，部分距离排序关系可转换；未归一化时向量长度会影响某些度量。应使用模型建议与索引算子对应的方式。

它可以支持确定性流程和协议验证，但不能代表真实模型的语义邻域。模型相关的门槛必须重新校准。