1. AI Search 不只调用一个模型

刚接触 RAG 时，我们很容易把模型理解成最后负责回答问题的 LLM。实际上，AI Search 从文档入库到生成答案，可能先后使用多种模型。它们解决的问题不同，也不能互相替代。

Embedding 模型负责把文档和问题转换成向量；查询改写模型负责把「那两天以上呢」补全为可以独立检索的问题；Reranker 重新判断候选资料与问题的相关度；生成模型阅读最终资料并组织回答。如果数据源包含图片，还会有模型参与图片转 Markdown，不过这部分通常不需要我们单独选型。

因此，所谓模型选型不是从模型榜单里挑一个最大的名字，而是决定每个阶段是否需要模型、应该使用什么模型，以及增加的质量能否覆盖延迟与费用。