什么是 FastEmbed？
FastEmbed 是一个专为生成嵌入（embedding）而构建的轻量级 Python 库。它支持多种主流嵌入模型，并为将数据向量化提供了用户友好的体验。
通过使用 FastEmbed，您可以确保嵌入生成过程不仅快速高效，而且高度准确，能够满足各种机器学习和自然语言处理应用的需求。
FastEmbed 可与 Qdrant 轻松集成，以实现多种多模态搜索目的。
使用 FastEmbed
| 类型 | 指南 | 您将学到什么 |
|---|---|---|
| 入门 | 生成文本嵌入 | 安装 FastEmbed 并生成稠密文本嵌入 |
| 稠密嵌入 + Qdrant | 生成并索引用于语义相似度搜索的稠密嵌入 | |
| 进阶 | miniCOIL 稀疏嵌入 + Qdrant | 使用 Qdrant 的稀疏神经检索器进行精确文本搜索 |
| SPLADE 稀疏嵌入 + Qdrant | 生成用于精确文本搜索的稀疏神经嵌入 | |
| ColBERT 多向量嵌入 + Qdrant | 生成并索引多向量表示；适用于重排序或小规模检索 | |
| 使用 FastEmbed 进行重新排序 | 使用 FastEmbed 交叉编码器对 Top-K 结果进行重排序 | |
| 后处理 | 在生成嵌入后应用后处理技术 |
为什么 FastEmbed 很有用？
- 轻量：与其他推理框架（如 PyTorch）不同，FastEmbed 所需的外部依赖非常少。因为它使用 ONNX 运行时，所以非常适合 AWS Lambda 等无服务器环境。
- 快速：通过使用 ONNX，FastEmbed 确保了在各种硬件平台上都能实现高性能推理。
- 准确：FastEmbed 旨在比 OpenAI 的
Ada-002等模型实现更高的准确率和召回率。它始终使用在 MTEB 排行榜上表现优异的模型。 - 支持：FastEmbed 支持多种模型，包括多语言模型，以满足多样化的用例需求。