现象
原来用 1024 维的向量模型建库,换成另一个 768 维的模型后,写入时报 dimension mismatCh: expected 1024, got 768,查询接口也直接抛异常。重建索引后能写入,但检索结果明显变差。
原因
向量库的 collection 在创建时就把维度写进了 schema,之后不会因为换了模型自动调整。写入和查询都必须使用同一个模型、同一个维度,否则距离计算没有意义。只改写入端不改查询端,或者新旧向量混在同一个集合里,都会出现这种报错或召回失真。
解决步骤
第一步,核对集合定义和模型输出。直接打印一次 embedding 的长度,再查集合的维度字段,确认差异来自模型而不是代码里的截断。
from sentence_transformers import SentenceTransformer
m = SentenceTransformer("BAAI/bge-base-zh-v1.5")
v = m.encode(["测试文本"])
print(len(v[0]))
client.get_collection("docs").describe()
第二步,新建集合而不是改旧集合。用新维度创建 collection,重新写入全部文档;旧集合保留只读一段时间,确认新链路稳定后再删除。不要在原集合上强行覆盖向量。
第三步,把模型名和维度写进配置。在入库任务里加一条断言,模型名、维度、归一化方式任一不符就中止,避免以后换模型时静默写入错误数据。查询端读取同一份配置。
验证
随机抽十条原文做检索,top1 命中原文自身的相似度应在 0.9 以上;用同一问题分别查新旧集合,新集合返回的片段语义相关且不报维度错误,说明切换完成。
小结
维度不一致是模型与集合 schema 脱节,不是简单的类型错误。统一模型、重建集合、加启动断言,三步缺一不可。
