Embedding 服务商与配置

Embedding（向量化）把内容转换成用于语义搜索的向量。在 Nowledge Mem 的设置里，它叫「索引模型」，与 AI Now 使用的聊天模型分开配置。

如果本地搜索已经满足需求，可以继续使用内置索引模型，无需添加服务商。需要把向量计算交给远程服务时，先准备该服务的 API Key 和一个专门的 embedding 模型，再到 设置 → 服务商 → 索引模型服务商 中选择。

选择服务商和模型

下表列出当前可在索引模型选择器中使用的主要入口。模型是填写示例，不是质量排名；可用模型、额度与区域以服务商账号和官方文档为准。

NVIDIA NIM 与 GitHub Copilot 需要额外核验。它们可能出现在选择器里，但这不代表所有模型都能调用。部分 NVIDIA 模型要求用 input_type 区分查询和文档，当前通用远程请求不发送该参数。GitHub Copilot 的 embedding 鉴权与端点也需单独确认。不要仅凭列表中有模型就开始重建大量数据。

Nowledge AI 由服务管理索引模型，使用时无需选择底层模型；上表的自带 Key 配置适用于可自行管理服务商的本地或自托管工作区，Nowledge Cloud 的索引模型由服务管理。

配置并应用

1. 打开 设置 → 服务商，添加上表中的服务商并保存。需要鉴权时填写 API Key；本地服务未开启鉴权时可以留空。
2. 在 索引模型服务商 中选择它。聊天模型用途与索引模型用途可以使用不同服务商。
3. 选择专门的 embedding 模型。如果列表无法加载，可以粘贴官方模型 ID；不要填聊天模型名称。
4. 点击 应用，按提示完成 embedding 测试与索引重建确认。聊天连接测试成功，不能替代 embedding 测试。
5. 等待搜索索引重建完成，再检查搜索结果。可以在 设置 → 智能处理 → 搜索 查看并处理索引状态；服务器用户也可以运行 nmem status 和 nmem models status。

配置成功后，应能看到选择的索引服务商和模型，索引不再提示需要重建，并能用不同措辞找到已有内容。例如，保存一条包含「每周五整理项目进展」的记忆后，搜索「一周工作回顾安排」，确认能找到它。一次测试只说明该次请求成功；首次批量重建和实际搜索也需要完成。

远程向量化会把待索引文本和搜索查询发送给所选服务商，并消耗其额度。使用前请核对费用、数据处理条款与调用限制。

通过 Custom 添加其他服务

阿里云百炼、硅基流动或私有网关等服务，如果提供兼容的 embedding 接口，可以通过 添加服务商 → Custom 配置：

1. 用途选择 Embedding / 索引模型，不要按聊天用途创建。
2. 填入服务名称、API Key、API Base URL 和一个 embedding 模型 ID。
3. Base URL 填 embedding 接口根地址。Mem 会追加 /embeddings：例如接口是 https://example.com/v1/embeddings，就填 https://example.com/v1。
4. 保存后检查测试结果。若显示测试失败，即使配置已保存，也要先修正地址、模型或权限，再选择它用于搜索。
5. 在索引模型服务商中确认选择，完成应用与重建流程。

可参考阿里云 text-embedding-v4和硅基流动的 embedding 模型目录。服务商需要接受 model 和 input，并返回 OpenAI 兼容的向量响应；只兼容聊天接口还不够。需要额外任务参数、特殊鉴权或不同请求格式的服务，应先确认适配，不能仅靠更换 URL。

智谱国内站提供 embedding API，但它与 Z.AI 国际站的地址和账号权限不同。不要因 Z.AI 聊天配置可用，就假定同一配置可用于 embedding。

为什么配置了服务商却选不到

索引模型列表只显示已配置、保存了模型且声明支持 embedding 的服务商。普通聊天服务商不会自动进入列表；Custom 需要按 embedding 用途创建。已有多个聊天服务商、却只看到 Gemini 等少数选项，可能符合当前能力限制。

切换服务商、模型、向量维度或模型后端后，需要按提示重建搜索索引。同样的向量维度不代表模型兼容；不要让新模型的查询向量匹配旧模型生成的索引。详细搜索说明见搜索与相关性。