開始閱讀
AI 原理入門系列｜第 5 篇，共 10 篇。資料核對：2026-10-09。文中的情境與練習為教學示例。
有人搜尋「怎麼讓企劃更有說服力」，網站文章卻使用「提案結構與證據設計」作標題。只找相同字詞，可能漏掉有用內容。Embedding 的用途之一，就是把內容轉成數值向量，讓系統能比較表示上的接近程度。
向量把內容放進可比較的空間
向量可以理解成一串數字。Embedding 模型將文字或其他內容映射到這個空間，經過合適訓練後，相關內容的表示可能比較接近。這些維度通常不是人為逐一指定的「專業程度」「情緒」或「價格」。Google 的 embedding 教材說明了這種表示方式。
「距離近」的意思取決於模型、任務與比較方法。不能只看到高相似度，就認為兩段話完全相同，或彼此可以互相證明。
圖解：語意搜尋的基本路徑
語意搜尋大致怎麼做
先把文章分成適當段落，為每段建立向量；收到問題後，也把問題轉為同一表示空間中的向量，再找出相近候選。接著可以加入關鍵字條件、類別或日期篩選，或重新排序，挑出更合適的內容。
分段大小會影響結果。段落太短，可能失去語境；太長，可能混入多個主題。以課程網站為例，「適合對象」與「退費規則」即使同在一頁，回答不同問題時也應保留各自的標題與來源。
相似不等於事實正確
想像兩段資料：「此課程提供線上直播」與「此課程不提供線上直播」。它們用字與主題接近，語意卻有關鍵差異。搜尋結果若只看分數，可能把相反答案一起取回。
因此，向量搜尋適合找候選資訊，最後仍要讀取原文、檢查否定詞、適用對象與版本日期。尤其是價格、資格與期限，常常不能只靠相似度判斷。
行銷研究可以如何使用
本站練習案例：把公開訪談摘要分群，觀察哪些內容集中談「沒有時間」、哪些談「不確定能否學會」。這能協助發現主題，但群組名稱與解讀仍須回看原句。不能因為模型分成三群，就宣稱市場只有三種消費者。
也可以用搜尋功能找出過去談過相似問題的文章，再決定要新增、更新或合併內容。這是內容管理的輔助，不是讓模型自行判定文章價值。
練習：替搜尋結果做人工評分
挑五個真實讀者問題，為每題列出理想文章。再檢查搜尋前五名：有幾篇直接回答問題？是否出現舊版本？是否漏掉關鍵限制？把錯誤分成「沒找到」「找到但不適用」「內容本身不清楚」，才能知道該改搜尋還是改文章。
圖解：相似，不一定正確
搜尋實例：問法不同，需求可能相同
訪客搜尋「不會寫程式能學嗎」，教材標題卻是「零基礎 AI 入門」。只比對字面可能漏掉；向量搜尋則嘗試把語意相關的內容拉近。不過「零基礎」也可能出現在攝影課，因此仍要用課程類別、日期或語言等條件縮小候選範圍。
實務上可以把關鍵字與向量結果結合：精確課程代碼、講師姓名適合字面比對，口語問題則可能受益於語意搜尋。是否混用要用實際查詢測試，不能先假定向量搜尋一定全面勝出。
文件分段：切得短不一定比較好
若將「本課程不提供直播，但有課後錄影」拆成兩段，關鍵限制可能失去上下文。理想片段應保有完整意思，也附上課程名稱、版本日期與來源。片段過長可能混入太多主題；過短可能缺少解釋條件。
用十個問題做一張搜尋成績表
先人工標出每個問題應該找到的頁面，再觀察前五筆結果有沒有涵蓋。把問題分成精確名稱、口語問法、否定條件、查無資料四類。搜尋到了相關段落之後，仍要檢查它是否真正回答了問題。
容易誤會的地方：二維示意圖只是幫助理解「距離」的概念。真實嵌入通常有很多維度，不能直接把某個座標軸命名為「專業程度」或「好壞」。
把網站文章做成可搜尋的知識庫
第一步是決定搜尋單位。一篇文章若同時談招生文案、活動預算與成效分析，整篇只做一個向量，可能難以精準找到其中的小問題。可以依小標或語意段落切分，並保留文章標題、原始網址、日期與分類。切分不是越短越好，若把條件與結論拆開，找到的內容就可能失去意思。
例如「適合初學者，但需先完成帳號設定」若被切成兩塊，只取到前半段時便可能誤導讀者。因此每個片段都應保留足夠上下文，必要時與相鄰段落略有重疊。再用真實使用者會問的問題測試，而不是只搜尋文章原標題。讀者可能問「我不會寫程式也能上嗎」，文件卻寫「無需程式背景」，這正是語意搜尋可以協助的地方。
語意相近與條件符合，要分開處理
若讀者指定週末、台北與入門課程，不能只用向量相似度排序。地點、日期、是否開放報名等明確條件，應先做欄位篩選或與搜尋結果一起驗證。否則系統可能找到主題很接近、但已經結束的活動。向量負責找概念，結構化欄位負責限制，兩者並不是互相取代。
有些關鍵字也需要保留精確比對，例如課程代碼、產品型號與專有名稱。同時使用字詞搜尋與向量搜尋，再重新排序，是一種常見的組合方式；是否值得增加這層複雜度，仍應以實際查詢的命中情況決定。不要因為向量技術比較新，就把原本有效的分類與站內搜尋全部移除。
怎麼知道搜尋品質真的進步？
建立一組代表性問題，為每個問題標記可接受的文件與不可接受的文件。除了看正確答案是否出現在前幾筆，也要檢查查不到時是否誠實顯示沒有結果。若系統永遠回傳五筆，使用者很容易把低相關內容誤認成推薦。
文章更新時，向量索引也要更新；刪除文章時，不能留下舊片段繼續被引用。資料庫裡應保存文件版本與向量模型版本。若改換模型，一般不宜把新舊向量直接混在同一套距離比較裡。對行銷人來說，這些不是純技術細節，而是知識庫能否保持可信、避免傳遞過期資訊的維護工作。