对比目录/ 知识库与 RAG
Embedding 模型和 Rerank 模型怎么选
Embedding 和 Rerank 经常被放在一个采购清单里，但它们并不是谁替代谁的关系。真正要搞清楚的是：你当前的瓶颈在于召回覆盖不足，还是候选排序不准。
先看结论
如果你还在解决“能不能把相关片段先找出来”的问题，Embedding 更重要；如果你已经能召回到一批候选，但正确答案总排不进前几名，Rerank 的价值就会更大。
左边更适合
Embedding 模型
右边更适合
Rerank 模型
Reading Path
这组对比放在什么专题里看更有价值
从文档入库、混合检索、Rerank、Prompt 注入防护到效果评测、ROI 和客服质检，串成一条完整落地路径。
Compare Table
对比明细
这部分负责把关键维度摆平。先看建议列，再回头对照左右两边的差异，阅读速度会更快。
维度
Embedding 模型
Rerank 模型
建议
所处链路位置
负责把问题和文档映射到检索空间，先解决召回问题。
负责给候选结果重新排序，优化前几名质量。
没有基础召回时，先做好 Embedding。
对效果的影响方式
决定能否把相关内容拉进候选集。
决定候选顺序是否足够干净，能否进上下文窗口。
候选已经够多但排序差时，再重点上 Rerank。
成本与延迟
更像底层基础能力，适合大规模索引和检索。
通常增加额外排序耗时，适合高价值查询链路。
高价值问答或长上下文受限场景更适合加 Rerank。
FAQ
常见问题
是不是有了 Rerank 就不需要 Embedding 了？
不是。Rerank 只能在候选结果里重排，前提是这些候选得先被召回出来，所以它无法替代 Embedding。
小型知识库需要两者都上吗？
通常不用。小型场景先把切片、检索和 Prompt 做稳，再看是否真的有排序瓶颈，避免过早增加复杂度。
Continue Reading
同专题继续看
对比页负责帮你做选择，真正落地时还是要回到实战页和具体问题页，所以这里直接给你下一步阅读顺序。