
Embedding 是把資料轉成一串數字表示的方法。本文先談文字:這串數字可用來比較兩段文字的關係,例如找出用字不同、意思卻很接近的句子。
這種數字表示常叫做語意向量。「向量」在這裡先理解成一組有順序的數字就好,你不需要先學公式。重點是它能幫忙找相關內容,卻不能直接替你判斷哪一句是真的。
為什麼不能只看文字有沒有一樣?
假設你在找「活動要不要先報名」,文件可能寫成「本活動免事先登記」。兩句沒有使用完全相同的詞,卻談同一個問題。
文字 Embedding 的用途之一,就是讓系統有機會從意思找內容,而不只比對表面字詞。這種做法通常叫語意搜尋,也就是按照文字表達的意思尋找相關資料。
關鍵字搜尋仍然有用。例如訂單編號「A102」就需要準確對上,不能因為「A103」看起來很像就當成同一筆。兩種方式可以互相補充。
準備用 Embedding 找資料時,可以先把問題寫完整。例如你要找的是某一年的某一場活動,就把活動名稱與年份一併說清楚。這能讓待查問題更明確;但寫進問題,不代表搜尋結果就一定符合這些條件,稍後仍要核對原文。

Embedding 的數字像位置,但不是一張真正的地圖
你可以想像把句子放在一張「意思地圖」上:談同一件事的句子比較靠近,談完全不同事情的句子比較遠。這只是幫助理解的比喻,實際數字不是經緯度。
負責轉換的 AI,常叫做 Embedding 模型。它產生數字表示,讓系統用計算方式比較關係。你不用替每個字手動編號。
Google 的教學提醒,實際向量裡每個數字代表的意義,通常不像地圖的東西南北那麼直觀。因此不能把其中一個數字直接解讀為「這句有八成可信」。
用三個句子,分清相關與相反
下面都是原創教學句子,不是真實活動公告,也沒有對任何模型測量相似度。
- A:這場活動不用先報名。
- B:本活動免事先登記。
- C:這場活動必須提前報名。
A 和 B 在這個情境表達相同意思,C 卻是相反要求。但三句都在談活動報名,實際搜尋時都有可能成為相關結果。
因此,搜尋系統把 C 找出來,不等於它已經判定 C 和 A 的規定相同。找到候選資料後,仍要讀「不用」「免」「必須」等關鍵條件。
還要分清楚「不用做什麼」。假如原文是「不用事先報名,但當天仍須現場報到」,它免除的是事先登記,沒有免除到場後的報到。用 Embedding 找到這段後,若只取前半句,就會漏掉影響你下一步的要求。

Embedding 如何從問題找出相關資料?
以一批活動說明為例,可以簡化成四個動作:
- 把每段說明交給 Embedding 模型,轉成數字。
- 保存數字與對應的原始說明,讓它們可以找回彼此。
- 把「活動要不要報名」這個問題也轉成可比較的數字。
- 比較問題與說明的關係,找出相關段落,再讀原文。
這裡把 Embedding 產生的數字與原始說明分開保存,是因為兩者用途不同:數字供系統比較,原文才讓你讀到活動規定。找到某一段時,也要能回到它所屬的公告,確認標題、年份,以及這段在說哪一群人。
Embedding 模型的數字要能互相比較
實際應用通常讓問題與文件使用同一個、或明確相容的轉換方式。不能隨便拿兩種不相容模型的數字直接比較,就像不能把兩張比例不同的地圖直接疊起來判斷距離。
這一段流程的成果是找到相關內容,還不是一段完整回答。後續若讓 AI 參考找到的內容整理答案,就可能成為 RAG 流程的一部分。
用一次 Embedding 搜尋練習,判斷哪段可用
接著把前面的動作串起來。假設你要參觀「2026 年星光閱讀日」,想問:「一般觀眾需要事先報名嗎?」下面的公告和段落都是原創虛構例子,用來練習判讀 Embedding 搜尋可能找回的候選內容,沒有實測模型、分數或結果排序。
- 甲:主辦單位的「2026 年星光閱讀日參觀須知」寫著:「一般觀眾免事先登記,當天於入口報到;參加寫作工作坊者須提前報名。」
- 乙:主辦單位的「2025 年星光閱讀日參觀須知」寫著:「一般觀眾必須提前報名。」
- 丙:主辦單位的「2026 年星光閱讀日工作坊辦法」寫著:「所有參加者須提前報名,額滿為止。」
先不要選看起來最像問題的一句。打開原公告後,依序判斷:
- 甲對得上年份和身分:你問的是一般觀眾,原文也明確寫一般觀眾免事先登記;但仍須當天報到。工作坊的報名要求不能套到一般參觀。
- 乙先排除:雖然活動名稱與報名用語很接近,年份卻不同,不能用去年的要求回答今年的問題。
- 丙要讀標題和上下文:「所有參加者」在這裡指工作坊參加者,不能脫離文件範圍,擴大成所有到場觀眾。
從這組資料整理答案,可以說:「依這份 2026 年參觀須知,一般觀眾不用事先登記,但當天仍要在入口報到;如果要參加寫作工作坊,就必須提前報名。」Embedding 搜尋協助你找到材料,答案中的對象與要求,則必須有原公告的文字支持。

看到相似結果時,還要檢查什麼?
先看文件是不是你問的活動,再看日期與報名要求。兩份文字可能非常相似,但一份是去年的活動,另一份才是今年的安排。
若搜尋結果有相似分數,也不要把它直接當成答案正確率。分數是在指定比較方法下表示關係,不能證明內容適用或沒有錯。
如果 Embedding 找回的只有「所有參加者須提前報名」這一小段,卻看不到活動名稱、年份或適用對象,先不要據此決定要不要報名。回到完整公告找條件;找不到時,就把答案保留為「目前這段資料還不足以確認」,而不是把缺少的部分自行補齊。
新手可以先做一個不用工具的練習:讀完 A、B、C,指出哪兩句在這個情境意思相同,哪一句會讓你的下一步行動不同。能分清這件事,就掌握了「找相似」和「讀懂條件」的差別。
總結
Embedding 用數字表示內容,讓電腦比較關係。它能協助找出相關句子,但相近的文字可能有相反規定;最後仍要回到原文,確認對象、日期與條件。



