← 返回 AI 开源导航

GTE / BGE 中文向量模型

RAG 与知识库协议 MIT★ 12.3kPython

GitHub 仓库官方网站

一、项目简介

FlagEmbedding 是智源（BAAI）开源的向量检索模型库，其中的 BGE / GTE 系列在中文与多语言检索任务上效果突出、许可友好，是中文 RAG 场景最常用的 Embedding 与 Rerank 方案之一。

二、核心特性

  • BGE 系列：中英文检索效果优秀，提供 small / base / large 多尺寸；
  • 配套 Reranker：检索后重排显著提升答案相关性；
  • 开源可商用，社区活跃、教程丰富；
  • 易集成：与 LangChain、LlamaIndex、Milvus 等无缝配合；
  • 支持稀疏与稠密向量混合检索。

三、适用场景

  • 中文知识库问答与语义检索；
  • RAG 的向量化与结果重排；
  • 跨语言检索与内容匹配。

四、快速上手

pip install FlagEmbedding
from FlagEmbedding import FlagModel
m = FlagModel("BAAI/bge-base-zh-v1.5")
print(m.encode(["中文向量检索"]).shape)

五、注意事项

  • 检索任务建议加上指令前缀（如「为这个句子生成表示以用于检索相关文章：」）；
  • 「向量检索 + Rerank 重排」组合效果明显优于仅向量检索；
  • 模型尺寸需按延迟与资源预算选择。