将文本转换为向量并对候选文档重排，构建检索增强生成链路。
Embeddings 把文本编码为向量，Rerank 对有限候选文档重新评分。生产检索链路应把模型版本、切分版本、向量维度和索引版本作为一个不可分割的配置。
本文面向通过天工智算云 OpenAI 兼容接口接入模型能力的后端开发者、架构师和运维人员。完成本文后，你应当能够独立完成配置、验证结果，并知道出现异常时应该保留哪些信息。
云资源和模型能力会随区域、库存、模型版本及账号权限变化。页面显示的可用规格、价格、配额和状态是本次操作的直接依据；文档用于解释操作逻辑和风险边界。
先完成以下准备，再进入控制台操作。对生产环境而言，准备阶段还应明确资源负责人、费用归属、数据级别和回滚方式。
按照下面的顺序执行。每完成一步都应检查页面反馈，不要在状态仍为“处理中”时连续提交相同操作。涉及删除、重装、退款、密钥禁用等不可逆动作时，应再次核对资源名称和影响范围。
向 /v1/embeddings 发送模型和文本数组。控制单批大小，对大规模任务保存进度并处理部分失败。
检查返回数量、维度和数据类型与输入一致，不把空文本、错误语言或截断内容写入生产索引。
每个向量关联原文位置、来源、权限、版本和校验值。用户查询前先执行权限过滤。
使用与建库相同的向量模型和预处理，调整相似度与候选数量并用标注集评估。
如当前模型支持重排端点，提交查询和有限候选，读取相关性分数与排序；不可用时不要伪造端点。
向量模型变化时创建新索引并双读评测，不在原索引中混入不同维度或空间的向量。
功能能够使用并不等于已经具备生产条件。正式承载业务前，请把可观测性、权限、费用和数据恢复纳入同一套运行基线。
建议为关键资源建立变更记录，至少包含操作者、时间、原因、预期结果、实际结果和回退步骤。团队协作时，不要通过聊天工具传递密码或完整 API Key。
排查时先确认影响对象、开始时间和最近一次变更，再区分是浏览器、账号权限、平台资源、网络还是应用自身问题。提交工单时，请附上资源 ID、请求 ID、发生时间、错误信息和已经执行过的排查步骤；不要提交密码、完整密钥或身份证件原图。
检查 Bearer 认证格式、密钥状态、所属环境与模型权限。不要在排障信息中提供完整密钥。
使用最小请求逐项检查模型名称、字段类型、消息结构、文件格式和上下文长度，不要盲目重试相同请求。
限制并发并受控退避。记录 Request ID；若流式响应已经产生部分内容，先判断业务写入是否可安全重放。
离开页面前，逐项确认：
如结果与本文不一致，应停止继续扩大变更范围，通过页面右上角“工单支持”提交问题。