Embedding 与 Rerank API 怎么选：接口、维度和评测¶
直接结论：Embedding 负责把文本变成向量，Rerank 负责对候选结果重新排序；两者不能用同一个模型或同一个接口想当然替代。
先确认接口契约¶
- Embedding：输入文本数组、返回向量数组和维度；
- Rerank：查询、候选文档、相关性分数或排序结果；
- 批量大小、最大输入长度、语言覆盖和归一化方式都可能不同。
迁移检查¶
- 保存旧模型的向量维度和距离函数。
- 使用同一批查询、文档和标注结果对照。
- 重新建立索引，不要把不同维度的向量混在一起。
- 分别记录召回率、Top-k 命中率和最终回答忠实度。
安全与成本¶
Embedding 输入可能包含用户文档，上传前应确认数据政策；Rerank 通常在候选集上重复调用，需要设置批量和预算上限。