Embedding升级后向量对齐方案
知识库增量更新场景下新旧向量对齐的 3 种方案
原题：在知识库增量更新过程中，若文本的 embedding 模型已升级，如何解决旧 embedding 与新模型之间的不一致性问题？
向量检索 · 字节真题
回答与解析
原则：隔离不同向量空间
模型版本改变后，向量维度、尺度或几何关系都可能变化。除非模型经过明确的向后兼容训练并验证，否则不能把新查询向量与旧文档向量直接计算相似度，也不能把两版向量混入同一 ANN 索引。
推荐迁移流程
- 版本化：记录 embedding 模型、分词、归一化、维度和距离函数，索引按版本隔离。
- 影子重建：新写入可双写两版，后台按快照批量编码历史文档，并用变更日志补齐迁移期间的增量。
- 双读评估：同一批查询分别访问新旧索引，比较相关性、过滤正确性、延迟和成本，必要时小流量灰度。
- 原子切换与回滚：通过索引别名或路由切换，旧索引保留到观察期结束。
同时搜索两版索引只适合作为明确设计的过渡方案：每个查询必须由对应版本编码，跨空间原始分数需要按版本校准或按名次融合。
旧向量到新空间的映射或向后兼容训练可降低重算压力，但效果取决于配对数据和任务，不能假设一定有损或一定可替代重编码。迁移策略应按数据量、变更速率、算力和停机预算决定，而不是固定数量级阈值。验收应比较 Recall@K、NDCG/MRR、无结果率、P95 延迟和索引新鲜度。
口语版讲法(约90秒)
- 新旧模型默认视为不同向量空间
- 索引版本隔离并影子重建
- 双读或灰度验证后原子切换
- 兼容映射只作为经过评测的迁移选项
Embedding 模型升级时，不要默认新旧向量可比较。模型可能改变维度、归一化方式和空间几何；因此要把模型、分词、距离函数和索引做版本化，查询向量只访问对应版本的文档索引。
稳妥做法是在影子索引中重建。先冻结文档快照，后台批量生成新向量；迁移期间的新写入双写或通过变更日志补齐。随后让同一批查询双读新旧索引，比较 Recall@K、NDCG、无结果率、P95 延迟和成本，再用索引别名原子切换，并保留旧版回滚窗口。
如果不能一次重算，可以让两版索引并存，或训练兼容映射。但映射不一定必然损失，也不保证达到重编码效果，必须在配对数据和目标查询集上验证。跨版本融合也不能直接相加原始分数。迁移方案由数据规模、更新速率、算力和可用性预算决定。
关键一句:不同Embedding版本默认隔离，影子重建、双读验证和可回滚切换构成安全迁移主线。
核验来源
面试官还可能这样问
- 问法 1 · 场景切入
假设你们有个电商知识库，上线了新版本的向量模型，但库里还有大量用旧模型算的历史向量。现在新用户进来提问，检索结果特别差，你会怎么处理这种新旧混用的问题？
- 问法 2 · 层层追问
知识库增量更新时，如果 embedding 模型升级了，你一般怎么保证检索效果？……那旧向量和新向量不在同一个空间怎么办？……如果数据量很大，不能全量重算呢，有什么折中方案？
- 问法 3 · 直球架构
设计一个知识库增量更新方案，要求支持 embedding 模型平滑升级，解决新旧向量不一致问题。要考虑版本隔离、渐进迁移、成本控制，你怎么设计？