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。

输出维度始终要配置，它决定本地向量索引的宽度，并用来校验模型返回的向量。默认还会把这个值作为请求参数 dimensions 发给模型。有些 OpenAI 兼容服务不接受该参数，例如硅基流动上的 BAAI/bge-m3。这类模型保留文档中的输出维度（bge-m3 为 1024），并关闭发送：

export POWERCONTEXT_SERVER_INFERENCE_EMBEDDING_SEND_DIMENSIONS=false

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。

能力标记说明 Runtime 已加载向量通道；实际调用还需核对 Source 抽取、投影写入和命中结果。 配置模型介绍 Source 与 flush 的检查方法。 搜索响应中，mode 应与实际使用模式一致，目标身份位于 hits[].memory.artifact，matched_by 应包含 vector。 显式 vector / hybrid 在向量不可用时返回错误，不会静默降级。

首次启用或更换 Embedding profile，需要停服重建当前投影；命令与恢复流程见 Atomic Memory 迁移。重建不改变 Artifact 身份、内容版本或状态版本。 不能仅修改 profile ID 或 dimension 来绕过不匹配错误。

当前 Atomic Memory 的普通向量搜索和抽取阈值枚举均使用精确 L2 距离。普通搜索有返回数量限制； 抽取枚举返回全部符合资格和阈值的结果。计算量随合格向量数和维度增长，不能把返回条数当成扫描成本。

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