先查 DeepSeek 官方模型列表是否存在可调用的 embeddings 能力。不要用生成模型名称去猜向量接口；如果当前官方 API 只列出聊天或推理模型，就应给 RAG 单独选择嵌入模型，再把检索片段交给 DeepSeek 生成答案。
第一步：核对当前 API
DeepSeek List Models 官方接口用于读取账号可用模型。实施时同时检查 API 文档是否有 embeddings 端点、输入格式和维度说明。没有官方记录就不要把某个模型当成可调用的 DeepSeek 嵌入模型。
第二步：列出候选的硬条件
- 中文与中英混合文本是否在模型覆盖范围内。
- 长文档如何截断，是否需要查询与文档不同指令。
- 输出维度、向量距离和向量库配置是否一致。
- 是否允许本地部署，许可证和算力是否符合要求。
例如 BAAI 的 BGE-M3 官方模型卡记录了多语言、稠密与稀疏检索能力及使用示例，可作为候选依据；模型卡是能力说明，最终选择仍应由自己的数据决定。
第三步：做中文检索测试
准备 50 条中文查询，每条标出一个或多个正确片段。保持切片、过滤和 top-k 不变，只替换嵌入模型；同一切片、同一候选数量下比较 Recall@k，并人工看相近术语、否定词、数字和产品版本是否被混淆。
query_id,query,relevant_chunk_ids
q001,退款多久到账,"refund-v2#4"
q002,旧套餐还能续费吗,"plan-2025#retire,faq#renew"上线前验证
保存模型名称、版本、维度和归一化设置。新模型建立新索引，不能把不同模型生成的向量混入同一集合。若召回正确而 DeepSeek 回答错误，应修生成提示与引用约束，而不是继续换嵌入模型。
限制
本文没有在读者数据上跑基准，也不宣称 BGE-M3 对所有中文知识库都是最佳选择。DeepSeek 模型清单和第三方模型版本会变化，使用当天应重新核对。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/32263.html
