Unverified50% confidenceCautionExact time
更换或升级嵌入模型时，旧向量与新向量处于不同语义空间无法直接比较，往往需要全量重建索引
1
Sources
50%
Confidence
Long-term
Relevance
8/27/2026
First Seen
Sources
Related Entities
Related Claims
Unverifiedembedding模型的版本更新可能导致语义向量空间发生偏移，使原本高排名的相关文档被不太相关的文档取代74% similarUnverified文档更新时应采用增量索引精准定位变更块执行删除旧块插入新块的差量操作，而非代价极高的全量重建索引67% similarUnverified向量索引方案存在索引随代码变更过时、以及语义相似度可能错误召回功能相似但实现无关代码的缺陷67% similarUnverified向量索引不能及时反映数据变化会导致两类问题：陈旧检索（基于过期文档生成答案）和幽灵数据（源文档已删除但向量仍留在索引中被检索命中）66% similarUnverified生成文档向量和查询向量必须使用同一个embedding模型，不同模型的向量空间互不兼容，混用会导致检索失效66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/809974API
curl https://kongchang.com/api/v1/knowledge/claims/809974MCP
get_claim(id=809974)