Embeddings
Vectores numéricos que representan el significado de un texto, de forma que textos parecidos quedan cerca.
También: embedding · incrustaciones · vectores semánticos
GlosarioUn embedding es un vector de números que un modelo especializado asigna a un texto. Está construido para que textos con significado parecido tengan vectores cercanos, aunque no compartan palabras: «devolver un pedido» y «reembolso de una compra» quedan próximos. Es la base de la búsqueda semántica.
En la práctica
Calculas el embedding de cada fragmento de tus documentos, lo guardas en un Vector store y, en cada consulta, calculas el de la pregunta y buscas los vecinos más cercanos, normalmente con Similitud coseno. Usa el mismo modelo de embeddings para indexar y para consultar: vectores de modelos distintos no son comparables. Anthropic no ofrece modelo de embeddings propio, así que usa el proveedor que prefieras.
No confundir con
- Tokens: la unidad en que el modelo lee texto. Un embedding resume un texto entero en un único vector.
- BM25: búsqueda por palabras exactas. Por eso se combinan en la Búsqueda híbrida.