把使用者的查詢貼進 Query，再把你以為該中的段落與實際被檢索回來的段落一起貼成候選。排名會告訴你模型是不是真的把你的段落排在別人後面、差距有多少、以及它是不是只差一點就進 top-k。如果它在這裡排名很高、上線卻仍檢索不到，問題就在管線的其他環節——chunk 切分、過濾條件，或線上用的是另一個 embedding 模型。

它衡量兩段文字在「意思」上有多接近，與用了哪些詞無關。embedding 模型把每段文字對映成向量，讓談同一件事的文字彼此靠近；相似度分數就是兩個向量夾角的 cosine。這就是為什麼「my laptop will not turn on」和「the computer fails to boot」一個詞都沒共用仍能拿到高分——也是語意搜尋與 RAG 管線實際用來排序的量。

這裡的分數介於 0 到 1，越高代表意思越近。但沒有通用門檻：0.7 在某個模型下是強匹配、在另一個模型下可能只是普通——絕對值會隨模型與文字類型漂移。跨模型可信的是「比較」：哪段排第一、與下一名差距多大。這也是檢索管線取排名前 k 而不是取「分數高於某固定值」的原因，以及本工具以排名為主、原始數字為輔的理由。

關鍵字搜尋獎勵共用的詞；語意相似度獎勵共用的意思。兩者多數時候一致——有趣的失敗都發生在不一致的地方。塞滿 query 詞彙卻在講別的事的段落，是關鍵字的誤中；一個詞都沒共用的同義改寫，是關鍵字的盲點。每列的兩條分數把兩種裁決並排，旗標標的正是這兩種分歧。正式系統常把兩種訊號合併使用（hybrid search），正因為它們壞掉的方式不同。

embedding 模型用海量「被標成相關」的文字對訓練——問題與其答案、同義改寫、標題與其文章。訓練把相關對的向量推近、無關對的推遠；例子夠多之後，空間的幾何本身就編碼了語意：方向與距離反映了什麼東西傾向於作為「同一主題」共同出現。模型並沒有同義詞字典——「近」是訓練的統計結果，這也是為什麼不同模型畫出的地圖略有不同、對同一對文字給的分數也不同。

它把一個 query 對最多 12 段候選計分，內建兩個示範情境與真實模型模式。示範分數來自為演示構造的向量——明確標示，且字面重疊、排名與結論跑的都是真實程式。真實模式把約 23 MB 的英文 embedding 小模型下載進瀏覽器；其他語言的分數不可靠，工具會明說。字面重疊是刻意簡化的關鍵字視角近似，不是 BM25。它不切 chunk、不呼叫任何 embedding API、也不重現你正式環境模型的精確分數——它讓你看懂那些系統據以排序的機制。