用途：在 RAG 与语义搜索系统中，针对成本、性能和质量优化向量嵌入的生成，适用场景包括构建 RAG、实现语义搜索或相似度检测、降低嵌入 API 成本、通过更好分块提升文档检索质量、处理从数千到数百万的文档语料，以及选择 API 模型还是本地模型。
模型选择：提供了快速建议与对比。all-MiniLM-L6-v2（本地，384 维）适合初创/MVP；text-embedding-3-small（API，1536 维）适合生产；text-embedding-3-large（API，3072 维）为高质量档；多语言可用 multilingual-e5-base（本地，768 维）或 Cohere embed-multilingual-v3.0。资料还给出部分成本数字（如 text-embedding-3-small 每百万 token $0.02、large $0.13），并称 BGE-base-en-v1.5 为质量与成本平衡。
分块策略：按内容类型映射，如文档用递归（按标题）800 字符、重叠 100；代码用递归（函数级）1000 字符、重叠 100；问答/FAQ 用固定长度 500 字符、重叠 50；法律/技术用语义分块 1500 字符、重叠 200；博客用语义（段落）1000/100；学术论文用递归（按章节）1200/150。可用 CLI：python scripts/chunk_document.py --input document.txt --content-type markdown --chunk-size 800 --overlap 100 --output chunks.jsonl。
缓存：通过内容寻址缓存可降低 80-90% 成本，按查询量选择内存、Redis、Redis+PostgreSQL 或多层架构。生产示例：python scripts/cached_embedder.py --model text-embedding-3-small --input documents.jsonl --output embeddings.npy --cache-backend redis --cache-ttl 2592000。
其他：讨论维度与存储、检索速度、质量的权衡；批量处理优化（OpenAI 单请求最多 2048 条输入、本地模型 GPU 加速与批大小调优）；性能监控指标（延迟、吞吐、成本、缓存命中率），并有 MonitoredEmbedder 用法示例。examples/ 提供完整可运行代码。限制：资料未提供具体安装依赖说明以外的平台支持、价格时效、实际效果保证等信息。