Embedding是一种将高维数据映射到低维空间的技术。在NLP中，Embedding通常用于将单词、句子或文档转换为连续的向量表示。这些向量不仅保留了原始数据的关键信息，还能够在低维空间中捕捉到语义上的相似性。简单来说，就是机器无法直接识别人类的语言，所以需要通过Embedding去转化成机器能够理解和处理的数值形式。比如："猫"和"狗"由于都是动物，所以它们的Embedding向量在空间上比较

COT思维链的出现，为AI的发展开辟了一条新的道路。它让AI学会了像人类一样思考，将复杂问题分解成简单的步骤，并逐步推理出最终答案。希望我的引导会对你产生启发。

混合检索技术通过结合关键词检索和语义检索的优势，实现了多路召回，从而提高了检索的准确性和全面性。掌握上面我们提到的混合检索，不仅你可以根据自己的实际情况去对多种检索方式的权重进行加权，还可以根据自己的实际情况去调整对应的召回策略，对我们自建RAG检索有着极大帮助，希望本文能对你有启示。

jieba（结巴）是一个在Python中广泛使用的分词库，特别适用于中文文本处理。jieba库不仅支持基本的分词功能，还提供了关键词提取、词性标注、命名实体识别等多种功能。在关键词检测领域，jieba库的TF-IDF和TextRank算法被广泛应用于提取文本中的关键词。TF-IDF（Term Frequency-Inverse Document Frequency）是一种用于信息检索和文本挖掘的常