用途：Sentence Transformers 是用于句子与文本嵌入的 Python 框架，基于 PyTorch/Transformers，适合需要高质量嵌入的 RAG、语义相似度与搜索、文本聚类与分类、多语言嵌入，以及本地运行嵌入（无需 API）的场景，可作为 OpenAI 嵌入的成本效益替代方案。
主要能力：提供 5000+ 预训练模型，支持 100+ 语言；涵盖通用、多语言与领域专用模型（如法律、科学论文、代码）。常用模型包括 all-MiniLM-L6-v2（384 维，快）、all-mpnet-base-v2（768 维，质量更好）、all-roberta-large-v1（1024 维，质量最佳但较慢），以及 paraphrase-multilingual 系列。支持余弦相似度、点积、批量编码、语义搜索与微调。
使用方式：安装命令为 pip install sentence-transformers。基本用法是加载模型后调用 encode 生成嵌入，再用 util.cos_sim 计算相似度；语义搜索可用 util.semantic_search。批量编码可设置 batch_size、show_progress_bar 与 convert_to_tensor。微调使用 InputExample、DataLoader 与损失函数（如 CosineSimilarityLoss），再调用 model.fit 并保存。可与 LangChain（HuggingFaceEmbeddings）和 LlamaIndex（HuggingFaceEmbedding）集成。
适用场景与限制：适合本地嵌入、语义检索、聚类与多语言任务。若需要 API 服务或最高质量，可考虑 OpenAI Embeddings、Instructor、Cohere Embed 等替代方案。大模型占用更多内存，编码速度与质量因模型而异；建议从 all-MiniLM-L6-v2 起步、归一化嵌入、使用 GPU、缓存嵌入并按领域微调。项目采用 Apache 2.0 许可。