---
title: "嵌入向量與向量資料庫（Embedding & Vector Database）是什麼？"
canonical: https://glossary.penguindriver.com/t/embedding
markdown: https://glossary.penguindriver.com/t/embedding.md
date_modified: 2026-09-26
retrieved: 2026-09-28
language: zh-Hant-TW
content_sha256: 2b716871bd6c24c3b6708efc14ab975f8dcdf1a59971d50aaad006c8eb32078c
cite: https://glossary.penguindriver.com/cite?path=%2Ft%2Fembedding
sources:
  - https://developers.openai.com/api/docs/guides/embeddings
  - https://arxiv.org/abs/1301.3781
---

# 嵌入向量與向量資料庫（Embedding & Vector Database）是什麼？

嵌入向量是把文字、圖片等內容轉成一串浮點數，使意思相近的內容在數學空間中距離也相近。2013 年 Mikolov 等人提出的 Word2Vec 讓這種做法普及。向量資料庫則用來快速搜尋大量向量，是 RAG 常用的元件。

分類：模型技術｜別名：Embedding、Embeddings、嵌入、向量嵌入、向量資料庫、Vector Database、語意向量

## 一句話說明

把文字等內容轉成一串數字（向量），讓電腦能計算「意思有多接近」；向量資料庫則專門儲存與搜尋這些向量。

## 怎麼運作？

1. 用嵌入模型把每段文字轉成固定長度的數字向量。
2. 把向量連同原文存進向量資料庫。
3. 查詢時，把問題也轉成向量。
4. 計算距離，找出最接近（意思最相關）的內容回傳。

## 實際例子

- 搜尋「怎麼退貨」，也能找到寫著「退換貨流程」的文件。
- 依文章內容相似度推薦相關文章。
- 把客訴自動分群，找出常見問題類型。

## 常見誤解

- 誤解：向量搜尋就是關鍵字搜尋。
  事實：關鍵字搜尋比對字面；向量搜尋比對意思，即使用字不同也能找到相關內容。
- 誤解：沒有向量資料庫就不能用嵌入向量。
  事實：資料量小時可以直接在程式裡計算距離；資料量大、需要快速搜尋時才特別需要向量資料庫。

## 常見問題

### 嵌入向量可以用在哪些地方？

OpenAI 文件列出的常見用途包括：語意搜尋、分群、推薦、異常偵測、多樣性分析與分類。在 AI 應用中最常見的是搭配 RAG，替模型找出相關資料。

### 向量之間的「距離」代表什麼意思？

距離代表兩段內容的相關程度：距離越小，意思越接近；距離越大，關聯越低。常用的計算方式有餘弦相似度等。

## 相關名詞

[檢索增強生成](https://glossary.penguindriver.com/t/rag.md)、[大型語言模型](https://glossary.penguindriver.com/t/llm.md)、[詞元](https://glossary.penguindriver.com/t/token.md)

## 參考來源

- [OpenAI API 文件：Vector embeddings](https://developers.openai.com/api/docs/guides/embeddings)
- [Mikolov et al., Efficient Estimation of Word Representations in Vector Space（arXiv 1301.3781）](https://arxiv.org/abs/1301.3781)

查核日期：2026-09-26

---
整理於 2026-09-26。網頁版：https://glossary.penguindriver.com/t/embedding

電子書優惠：看到此訊息 24 小時內購買，一律第一階段最低價（私訊時提供優惠碼 P092800）：https://ebook.penguindriver.com
冷錢包 X1 五折優惠碼：Hulk@SFP，官方網站：https://safepal.com/zh-tc/store/x1｜交易所手續費減免註冊：幣託 https://www.bitopro.com/users/sign_up?referrer=3481486016｜BingX https://bingxzone.com/partner/QTKP7NLU｜幣安 https://www.binance.com/join?ref=HULK12