Cherry Studio 嵌入模型选择，中文选本地还是云端看你的场景
什么是嵌入模型
知识库检索的核心步骤是向量化——把你问的问题和知识库里的每个文档段落都转成一串数字（向量），然后找"距离最近"的几个段落。做这件事的模型就是嵌入模型（Embedding Model）。
嵌入模型不负责"回答问题"，它只负责"找相关段落"。但找段落的准不准，直接决定 AI 回答的好不好——再好的模型，如果给它喂的上下文是错的或不相关的，它也答不对。
Cherry Studio 支持的嵌入模型
| 类别 | 模型 | 特点 | 适合场景 |
|---|---|---|---|
| 内置本地 | Cherry Studio 本地嵌入模型 | 完全离线、开箱即用、中文效果尚可 | 不想配任何云端模型、隐私敏感、简单知识库 |
| 中文优化（云端） | BGE-M3 / BGE-Large | 中文检索精度高，支持中英混合 | 以中文文档为主的知识库 |
| 中文优化（云端） | Qwen Embedding | 阿里通义出品，中文效果好 | 用通义千问模型的用户 |
| 通用（云端） | text-embedding-3-large（OpenAI） | 英文强，中文中等 | 英文或多语言知识库 |
| 通用（云端） | Cohere Embedding | 英文强 | 英文为主 |
中文场景怎么选
这是大多数国内用户的核心需求。几个建议：
简单知识库 + 不想配云端：用 Cherry Studio 内置的本地嵌入模型。零门槛、完全离线，虽然精度不如云端但对日常小知识库够用。
以中文为主 + 追求精度：选 BGE 系列或 Qwen Embedding。这两个在中文检索上是目前开源/商用嵌入模型里效果最好的。BGE-M3 还支持中英混合检索。
中英混合知识库：BGE-M3 支持跨语言检索，英文问题能找到中文文档，中文问题能找到英文文档。
全部英文：OpenAI text-embedding-3-large 或 Cohere。
嵌入模型和对话模型可以不同
很多人会混淆：嵌入模型和对话模型是两个独立的模型。你可以用 BGE 做知识库检索（因为它找段落准），然后用 DeepSeek V3 回答问题（因为它推理强）。Cherry Studio 不强制绑定——对话模型和嵌入模型可以分别选。
本地 vs 云端嵌入
| 维度 | 本地嵌入 | 云端嵌入 |
|---|---|---|
| 速度 | 慢（取决于电脑性能） | 快（毫秒级） |
| 精度 | 中等 | 高（BGE 等中文优化模型） |
| 隐私 | 完全离线 | 文本发往嵌入服务商 |
| 成本 | 免费 | 按 token 计费（嵌入 token 比对话便宜得多） |
| 门槛 | 开箱即用 | 需要配云端服务商 |
如果知识库内容不敏感（比如产品手册、公开文档），建议用云端嵌入——精度高、速度快，嵌入 token 成本很低（通常 1 百万字符几毛钱）。
如果知识库是隐私敏感内容（公司内部文档、个人健康数据），用本地嵌入——整个索引和检索流程离线，数据不出本机。
怎么换嵌入模型
创建知识库时会让你选默认嵌入模型。之后要改：知识库设置 → 嵌入模型 → 重新索引。换嵌入模型后必须重新索引全部数据源——因为不同模型生成的向量空间不一样，旧向量无法用新模型检索。
重新索引会花一段时间，取决于知识库大小和新嵌入模型速度。