AI 影工场内置了 49 条剧本范本。很多用户问：为什么要用 RAG 向量检索，直接关键词搜索不行吗？这篇文章拆开讲讲我们做这个功能时踩过的坑。

为什么不用关键词搜索

假设你搜"龙族奇幻"。关键词搜索只能找到标题或正文里包含这四个字的范本。但如果你想找的是"东方玄幻带复仇线"的范本，它可能叫《少年觉醒》——关键词搜索就漏了。

RAG（检索增强生成）的思路是：把每条范本转成一串向量（数字坐标），意思相近的范本在向量空间里离得近。你搜"东方玄幻复仇"，它能找到《少年觉醒》，因为语义相近，哪怕字面上一个重合的字都没有。

嵌入模型选了 bge-m3

我们用的是 BAAI 的 bge-m3 模型做嵌入。选它的原因：

• 中文支持好，比 OpenAI 的 ada 模型在中文语义上准
• 开源免费，可以本地跑（配合 Ollama）
• 8192 token 上下文，长剧本范本塞得下

有个坑要提醒：bge-m3 默认的上下文窗口设置太小会报 HTTP 500 "input length exceeds context length"。我们把 num_ctx 调到了 8192 才正常。

双模式：在线智谱 / 本地 Ollama

AI 影工场支持两种嵌入模式：

• 在线模式：调智谱 API，不需要本地 GPU，但每次检索要联网
• 离线模式：用本地 Ollama 跑 bge-m3，完全离线，但需要你自己的电脑跑得起

两种模式生成的向量不在同一个向量空间——这是个大坑。你在线模式下嵌入的 49 条范本，切到本地模式直接搜，结果全是错的。所以我们的做法是：切换模式时自动清空旧向量，重新嵌入。用户不需要知道这个细节，切了就重嵌，不会出现"搜出来风马牛不相及"的问题。

性能数字

49 条范本全量嵌入后存在本地 SQLite 里。实测：

• 软件冷启动到范本库可搜索：约 0.6 秒
• 一次检索（输入一句话，返回 Top 3 范本）：约 0.8 秒
• 新增一条范本并即时可检索：约 2 秒（嵌入 + 入库）

这个速度在本地跑，不需要数据库服务器。

它解决的真实问题

做漫剧最烦的事之一是"风格漂移"——第一条是龙族奇幻的质感，第十条就变成了都市爽文。RAG 范本库的作用就是：你每次生成新剧本时，它自动把最接近的范本捞出来作为风格参考注入提示词。范本库就是这个软件的"审美记忆"——你喂进去多少好东西，它就能稳定输出什么风格。

这也是为什么我们说它是"让 AI 影工场有了学习的大脑"。