向量搜尋怎麼運作？嵌入、分塊、相似度三件事講清楚

💡 小提醒

把它想成座標就好。

地圖上的一個點用兩個數字（經度、緯度）表示；一段文字則用幾百到幾千個數字表示。⚠️ 數字本身沒有意義，有意義的是「兩段文字的座標離得多近」。

這就是官方講的那句話：透過密集嵌入，「系統可以根據語意相似度傳回類似的搜尋結果」。

⚠️ 注意

分塊這件事，直接決定了「你的哪一段會被找出來」。

被檢索到的不是「你的文章」，是「你文章裡的某一塊」。⚠️ 所以一段內容如果需要前後文才看得懂，它被單獨切出來之後，可能就不成立了。

實際會出事的寫法： – 「如上所述」「前面提到的那個方法」——切開之後沒有前面 – 一個只有標題點題、內文卻不重複主詞的段落——那一塊不知道自己在講誰 – 把結論放在很遠的地方——結論那一塊沒有依據，依據那一塊沒有結論

⚠️ 官方文件沒有給通用的切割大小，所以本篇不提供任何「要切幾個字」的數字——但「每一段要能單獨看懂」這個原則，不管切多大都成立。

💡 小提醒

這個定義透露了一件很重要的事：它是近似的，不是精確的。

⚠️ 為什麼要近似？因為資料量一大，要精確算出「所有內容裡誰離得最近」的成本太高。所以實務上用的是「夠近就好」的演算法——Google 的官方文件寫明「向量搜尋採用 ScaNN 演算法」。

這也解釋了一個常見的困惑：同一個問題問兩次、或在不同時間問，拿到的來源可能不完全一樣。那不一定是系統壞了，近似本來就會有浮動。

⚠️ 注意

一段寫得很清楚、但內容是錯的文字，在座標上跟正確答案一樣近。

⚠️ 所以「被檢索到」跟「被當成答案」之間，系統還有別的判斷在做（來源品質、時效、一致性等等），而那些判斷不在向量這一層。

這對內容的意義是：把一段話寫得容易被找到，跟把它寫對，是兩件要分別做的事。⚠️ 只做前者的結果，是你很容易被找出來、然後被比對出錯誤。

⚠️ 注意

這三條看起來像寫作建議，但它們的理由是機制，不是風格。

⚠️ 一篇結構鬆散的好文章，在關鍵字時代可能還排得不錯（因為關鍵字散在全文都算數）；在分塊之後，它會變成一堆各自不完整的碎片。

反過來，一篇每段都能獨立成立的文章，在兩個時代都吃得開。 至於提高被引用機會的實際做法，站上另有一篇專門談。

💡 小提醒

這個測試的重點是「只看那一段」，不要偷看前面。

⚠️ 自己寫的東西很難做到這件事，因為你腦子裡有全文。比較有效的做法是請一個沒讀過這篇的人看那一段，或隔幾天再回來看。

通常會發現同一種病：章節標題把題目講清楚了，但內文第一句就開始用「它」——標題不一定會跟著那一塊走，所以那一塊就變成無主詞的內容。

💡 小提醒

⚠️ 但要誠實講一件事：公開搜尋引擎的完整排名機制沒有對外揭露。

我們知道語意理解是其中一環，但沒有人能從外部確認「Google 搜尋的某一步就是這樣做的」。本篇引用的是 Google Cloud 對自家向量搜尋產品的說明，那是可以查證的；把它直接等同於公開搜尋的運作方式，那一步我不會跨。

不過有一件事不受這個限制：「每一段要能單獨看懂」這個原則，對人類讀者也成立——所以就算機制猜錯了，這件事也不會做白工。

參考資料

• Google Cloud —《Vector Search 總覽》（繁體中文，美國，雲端服務官方技術文件）
• Google Cloud —《RAG Engine 總覽》（繁體中文，美國，雲端服務官方技術文件）

ℹ️ 關於本文

本文引用的定義與流程說明，以查閱當日（2026 年 9 月 13 日）Google Cloud 官方技術文件的公開版本為準，雲端服務的文件與產品名稱會更新，實際請以官方當期版本為準。⚠️ 要特別說明的是，本文引用的是 Google Cloud 對自家向量搜尋產品的說明，不等同於 Google 公開搜尋引擎的排名機制——後者並未完整對外揭露，本文不做這樣的推論。文中刻意不提供「分塊要切幾個字」「向量維度多少比較好」「哪種相似度演算法比較準」這類數字或結論——官方文件沒有給通用建議值，網路上流傳的參數來自各家實作，不宜當成通則。本文亦不推薦任何特定的向量資料庫或雲端服務。