配置向量检索

向量检索需要 embedding model、稳定的 profile ID 和该模型的输出 dimension。

1. 设置一份 embedding profile

export POWERCONTEXT_SERVER_INFERENCE_EMBEDDING_MODEL=provider:embedding-model
export POWERCONTEXT_SERVER_INFERENCE_EMBEDDING_PROFILE_ID=embedding-model-v1
export POWERCONTEXT_SERVER_INFERENCE_EMBEDDING_DIMENSION=1024

将示例值替换为一个受支持的 provider model、该模型保持稳定的 profile ID，以及其文档给出的输出 dimension。 POWERCONTEXT_SERVER_INFERENCE_EMBEDDING_NORMALIZATION 默认值为 unit。

2. 启动 Server

powercontext server run

使用 SQLite 时，PowerContext 会在打开数据库时加载内置 sqlite-vec extension。extension 与当前 platform 或 SQLite build 不兼容时，启动会失败。

3. 验证 capability

powercontext capabilities

结果会报告已启用的 search mode。未配置 embedding profile 时，SQLite full-text search 仍可使用。

能力标记只说明 Runtime 已加载向量通道，还需要用一条合成 Source 验证模型调用、索引写入和实际命中。完整的 Source → flush → entry → vector search 验收命令见启用 Memory 提取与向量搜索。 其中搜索响应必须包含 mode: "vector"、目标 entry_id，并且 matched_by 包含 vector；如果使用 hybrid，应把请求 中的 mode 改为 hybrid 并核对实际返回模式。显式 vector/hybrid 不会在 Embedding 不可用时静默降级。

如果在已有 Memory 上首次启用 Embedding，先用一条临时 Scope 完成上述闭环，再对真实 Scope 运行受控的重处理/索引流程， 并确认旧 citation 没有变化。不要仅修改 profile ID 或 dimension 来绕过已有向量与模型不匹配的错误。

timeout、batch size、storage 设置和准确默认值见配置。