推荐语

谷歌开源EmbeddingGemma向量模型，小巧高效支持多语言，离线运行保护隐私，附实战代码助你快速上手RAG应用。

核心内容：
1. EmbeddingGemma的核心特性与优势
2. 模型架构与训练要点解析
3. MRL机制与Prompt模板实战应用

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

1. 简介

EmbeddingGemma是Google发布的开源小规模多语言文本嵌入模型，旨在常见设备（如手机、笔记本、台式机）上高效运行，同时在 MTEB / MMTEB 等评测任务中保持与同类模型竞争的性能。其核心价值在于：支持离线运行、保护隐私、内存占用小、兼容多种推理框架，并提供灵活的输出维度。

2. 关键特性

模型规模与上下文长度：参数量约为 308M，支持最长 2K tokens 的上下文窗口，默认输出向量维度为 768。

多语言支持：训练语料涵盖 100 多种语言。

MRL（嵌套表示学习）：支持将 768 维的嵌入向量截断为 512/256/128 等更短维度，兼顾效率与效果。

工程优化：支持量化感知训练（QAT）与设备端优化，量化后模型大小可控制在 200MB 以内。

3. 架构与训练要点

基于 Gemma 3 的编码器风格骨干网络：EmbeddingGemma 使用 Gemma 3 作为主干网络，并将注意力机制改为双向，相比传统的解码器结构在大规模检索/嵌入任务中表现更优。

池化与映射结构：模型先输出 token 级别的向量，再通过均值池化聚合成文本向量，最后经由两层全连接层映射到 768 维的嵌入空间。

训练数据与清洗：模型基于大规模多语言语料训练，训练过程中实施了严格的质量过滤与安全过滤。

4. MRL与Prompt 模板

MRL原理和效果

EmbeddingGemma 在训练阶段引入了 MRL机制，使得推理时可选择不同的嵌入维度（768/512/256/128），而性能下降控制在可接受范围内。其原理类似“套娃”结构，高维嵌入向量的前一部分包含“核心信息”，后一部分为“补充信息”。因此既可使用完整 768 维向量，也可仅使用前 512/256/128 维，而不导致效果显著下降。

在资源受限环境中，可通过牺牲少量精度换取更低的存储与计算开销。而在分层检索系统中，可先用低维嵌入进行粗筛，再使用高维嵌入对候选结果进行精排。

支持针对特定任务的Prompt

EmbeddingGemma 在训练时使用了一系列 prompt_name（例如 query、document、STS 等）。在实际推理或测试中，建议沿用这些prompt以获得最佳效果。

若使用sentence-transformers库，其内置的 encode_query/encode_document方法会自动添加相应 prompt。若直接使用 Transformers 或其他底层框架，需在输入文本前手动拼接对应的prompt。

支持的 Prompt 模板（根据不同任务使用可提升效果）：

query: "task: search result | query: "

document:"title: none | text: "

BitextMining:"task: search result | query: "

Clustering:"task: clustering | query: "

Classification:"task: classification | query: "

InstructionRetrieval:"task: code retrieval | query: "

MultilabelClassification:"task: classification | query: "

PairClassification:"task: sentence similarity | query: "

Reranking:"task: search result | query: "

Retrieval-query:"task: search result | query: "

Retrieval-document:"title: none | text: "

STS:"task: sentence similarity | query: "

Summarization: "task: summarization | query: "

5. 实战：一个简单的RAG系统示例

1 环境依赖

pip install sentence-transformers==2.2.2 transformers huggingface-hub
pip install faiss-cpu  # 若使用 GPU 可安装 faiss-gpu

2加载生成语言模型

# 加载 Gemma 3 生成模型
from transformers import pipeline

pipeline = pipeline(
    task="text-generation",
    model="google/gemma-3-4b-it",
    device_map="auto",
    dtype="auto"
)

3 加载嵌入模型

import torch
from sentence_transformers importSentenceTransformer

#设置设备
device ="cuda"if torch.cuda.is_available()else"cpu"

model_id ="google/embeddinggemma-300M"
model =SentenceTransformer(model_id).to(device=device)

print(f"运行设备: {model.device}")
print(model)
print("模型总参数量:",sum([p.numel()for _, p in model.named_parameters()]))

4 使用 Prompt 模板

在 RAG 系统中，为查询和文档使用不同的 prompt 模板可提升效果：

• • 查询编码：使用prompt_name="Retrieval-query"

query_embedding = model.encode(
    "How do I use prompts with this model?",
    prompt_name="Retrieval-query"
)

• • 文档编码：使用prompt_name="Retrieval-document"。

为进一步优化，可加入标题信息：

• • 带标题：

doc_embedding = model.encode(
    "文档正文内容...",
    prompt_name="Retrieval-document",
    prompt="title: 在 RAG 中使用 Prompt | text: "
)

• • 无标题：

doc_embedding = model.encode(
    "文档正文内容...",
    prompt_name="Retrieval-document",
    prompt="title: none | text: "
)

5 构建示例知识库

# 公司知识库示例
corp_knowledge_base =[
{
"category":"人力资源与请假政策",
"documents":[
{
"title":"非计划缺勤流程",
"content":"如因生病或紧急情况无法工作，请于东京时间上午9:30前通过邮件通知直接上级和人力资源部门，邮件主题请注明“病假 - [你的姓名]”。若连续缺勤超过两天，返岗时需提供医生证明（診断書）。"
},
{
"title":"年假政策",
"content":"全职员工首年可享受10天带薪年假。年假自入职满六个月后生效，并随服务年限增加。例如，服务满三年的员工每年可享受14天年假。详细 accrual 表请参阅附件《年假累积表》。"
},
]
},
{
"category":"IT 与安全",
"documents":[
{
"title":"账户密码管理",
"content":"如忘记密码或账户被锁定，请使用自助重置门户：https://reset.ourcompany。系统将提示您回答预设的安全问题。出于安全考虑，IT帮助台无法通过电话或邮件重置密码。若未设置安全问题，请携带员工ID卡至涩谷办公室12楼IT支持台处理。"
},
{
"title":"软件采购流程",
"content":"所有新软件申请须通过‘IT服务台’门户中的‘软件申请’类别提交，需包含业务理由。所有软件许可须经部门负责人批准后方可采购。请注意，标准办公软件已预批准，无需走此流程。"
},
]
},
{
"category":"财务与报销",
"documents":[
{
"title":"费用报销政策",
"content":"为确保及时处理，当月所有费用报销须在次月第5个工作日前提交审批。例如，7月产生的所有费用须在8月第5个工作日前提交。逾期提交的费用可能延至下一付款周期处理。"
},
{
"title":"差旅费用指南",
"content":"差旅费用原则上按最合理、最经济路线的实际成本报销。使用新干线或飞机前请提前提交差旅费用申请。仅当公共交通不可用或运输重型设备时允许乘坐出租车。必须保留收据。"
},
]
},
{
"category":"办公与设施",
"documents":[
{
"title":"会议室预订指南",
"content":"涩谷办公室所有会议室可通过日历应用预订。创建新会议邀请，添加参会人后，使用‘会议室查找’功能选择可用房间。请确保选择正确的楼层。10人以上会议请预订14楼的‘樱’或‘富士’房间。"
},
{
"title":"邮件与快递政策",
"content":"公司邮件服务仅用于业务相关信函。出于安全与责任考虑，请员工避免将私人包裹或邮件寄至涩谷办公室地址。前台无法代收或保管私人快递。"
},
]
},
]

6 设置辅助函数并检索

question = "如何重置密码？"  # 可替换为其他问题
similarity_threshold = 0.4  # 相似度阈值，低于此值认为不匹配语义搜索核心逻辑：

# ---语义搜索相关辅助函数---

def _calculate_best_match(similarities):
    print("相似度分数:", similarities)
    if similarities is None or similarities.nelement()==0:
        returnNone,0.0

    #找出最高分及其索引
    best_index = similarities.argmax().item()
    best_score = similarities[0, best_index].item()

    return best_index, best_score

def find_best_category(model, query, candidates):
"""
    从候选类别中找出与查询最相关的类别。

参数:
        model:SentenceTransformer模型
        query:用户查询字符串
        candidates:类别名称列表

返回:
最佳类别索引和相似度分数
    """
    if not candidates:
    return None,0.0

    #对查询和候选类别进行编码（使用分类任务prompt）
    query_embedding = model.encode(query, prompt_name="Classification")
    candidate_embeddings = model.encode(candidates, prompt_name="Classification")

    print("候选类别:", candidates)
    return _calculate_best_match(model.similarity(query_embedding, candidate_embeddings))

def find_best_doc(model, query, candidates):
"""
    从候选文档中找出与查询最相关的文档。

参数:
        model:SentenceTransformer模型
        query:用户查询字符串
        candidates:文档列表，每个文档应包含'title'和'content'

返回:
最佳文档索引和相似度分数
    """
    if not candidates:
        return None,0.0

    #对查询进行编码（使用检索任务prompt）
    query_embedding = model.encode(query, prompt_name="Retrieval-query")

    #构建文档文本并编码
    doc_texts =[
        f"title: {doc.get('title', 'none')} | text: {doc.get('content', '')}"
     for doc in candidates
    ]
    candidate_embeddings = model.encode(doc_texts)

    print("候选文档:",[doc['title']for doc in candidates])

    #计算余弦相似度
    return _calculate_best_match(model.similarity(query_embedding, candidate_embeddings))

#---主搜索逻辑---

best_document =None#初始化最佳文档

#1.寻找最相关类别
print("步骤1: 寻找最相关类别...")
categories =[item["category"]for item in corp_knowledge_base]
best_category_index, category_score =find_best_category(model, question, categories)

#检查类别匹配分数是否超过阈值
if category_score < similarity_threshold:
    print(f" `-> 🤷 未找到相关类别。最高分仅为 {category_score:.2f}。")
else:
    best_category = corp_knowledge_base[best_category_index]
    print(f" `-> ✅ 找到类别: '{best_category['category']}' (分数: {category_score:.2f})")

#2.仅当找到合适类别后，在该类别中寻找最相关文档
print("\n步骤2: 在该类别中寻找最相关文档...")
    best_document_index, document_score =find_best_doc(
        model, question, best_category["documents"]
)

#检查文档匹配分数是否超过阈值
if document_score < similarity_threshold:
    print(f" `-> 🤷 未找到相关文档。最高分仅为 {document_score:.2f}。")
else:
        best_document = best_category["documents"][best_document_index]
    print(f" `-> ✅ 找到文档: '{best_document['title']}' (分数: {document_score:.2f})")

7 基于检索结果生成答案

qa_prompt_template = """请仅根据以下CONTEXT回答问题。如果CONTEXT中未包含答案，请回答“我不知道”。

---
CONTEXT:
{context}
---
QUESTION:
{question}
"""

if best_document and "content" in best_document:
# 如果找到有效文档，生成答案
    context = best_document["content"]
    prompt = qa_prompt_template.format(context=context, question=question)

    messages =[
    {
      "role":"user",
      "content":[{"type":"text","text": prompt}],
    },
   ]

    print ("问题🙋‍♂️: "+ question)
    # 调用生成模型获取答案
    answer = pipeline(messages, max_new_tokens=256, disable_compile=True)[0]["generated_text"][1]["content"]
    print("使用文档: "+ best_document["title"])
    print("回答🤖: "+ answer)
else:
    # 未找到相关文档时的回复
    print("问题🙋‍♂️: "+ question)
    print("回答🤖: 抱歉，未找到相关文档来回答该问题。")

6. 一些工程经验

统一使用 Prompt：模型训练时使用了特定 prompt 名称和内容，因此生产环境中应保持使用这些prompt以保证效果一致性。

维度选择权衡：MRL 支持降维，在对吞吐量或存储敏感的场景中，可优先尝试512或256维，而非直接降至 128 维。

量化与精度平衡：该模型主打轻量级使用，量化可显著减少内存占用，但应根据精度需求和应用场景谨慎选择量化策略（如QAT 或 PTQ）。