用途：embeddings 用于配置嵌入提供方、管理向量存储并执行语义搜索，可作为语义记忆检索、文档相似度查找等场景的基础能力。
主要能力：支持 OpenAI、Voyage、Cohere 以及本地模型（Transformers.js）等提供方；可设置模型与维度；支持单条与批量生成嵌入；支持向量存储（含元数据）、语义搜索、文本相似度比较；提供缓存统计、清理与按时间清理；支持批量与并发控制。
使用方式：聊天命令包括 /embeddings 查看设置、/embeddings status 查看提供方状态、/embeddings stats 查看缓存统计、/embeddings provider openai 切换提供方、/embeddings model text-embedding-3-small 设置模型、/embeddings cache stats 与 /embeddings cache clear 管理缓存、/embeddings test "sample text" 生成测试嵌入、/embeddings similarity "text1" "text2" 比较相似度。TypeScript 侧通过 import { createEmbeddingsService } from 'clodds/embeddings' 创建服务，配置 provider、apiKey、model、dimensions、cache、cacheBackend、cachePath、batchSize、maxConcurrent 等参数，并调用 embed、embedBatch、search、similarity、store、storeBatch、getCacheStats、clearCache、setProvider、findSimilar 等方法。
适用场景：语义记忆搜索、文档相似度查找、代码搜索等。
限制：资料列出各提供方的模型、维度、质量、速度与成本信息，但实际可用性取决于所配置的提供方与密钥；本地模型无需 API 密钥但速度中等；缓存与批量可降低成本，但嵌入调用仍可能产生费用，需自行监控。