向量模型如何选择：相似度需要回到业务问题

文字相近，与业务适用可能不同

两份产品说明可能措辞很相似，却适用于不同型号；一个业务简称与正式名称文字差异很大，却指向同一对象。向量检索需要与对象标识、标签或关键词查询配合，才能更好地处理这些情况。

测试问题应来自实际工作，包含简称、错别字、跨语言表达和具体参数。只用文档标题作为查询，往往无法暴露真实检索困难。

先评价检索结果，再评价最终回答

可以为一组问题标注应该出现的资料，观察候选结果是否覆盖必要依据，以及相似但不适用的内容是否挤占位置。之后再检查模型回答，区分检索失败与生成失败。

评价需要保持文档处理、过滤和候选数量等条件可比。若同时更换分段方法与向量模型，就难以知道效果变化来自哪里。

更换向量模型可能意味着重建索引

不同模型产生的向量表示通常不能直接混在一起比较。调整模型或相关配置时，应检查索引兼容性，并按所用系统要求重新生成表示。维护过程需要保留版本和验证结果。

向量模型的价值最终体现在资料能否被合适地找到。企业不必追逐一个脱离业务语境的最高分，而应建立可以持续复测的检索样例。

用型号、简称和跨语言查询测试召回

为每题标出应出现的来源，让候选向量模型在相同分段与过滤条件下比较。更换模型后按其实际兼容条件重建或迁移索引并复测，相似度分数不直接当作答案正确率。