网硕互联帮助中心
拿摄像头画面生成一个固定长度数组，再算余弦相似度，演示很容易做出来。问题是，数组从哪里来？若所有图片都返回同一个向量，检索代码依旧能运行，排序却没有任何语义依据。
Google 2026 年 10 月 6 日发布 EmbeddingGemma 2 相关资料，为多模态检索提供了新的研究对象。模型存在与浏览器可运行是两件需要分别验证的事。本文不虚构浏览器权重、算子支持或设备吞吐，也不把随机向量当成模型产物。
模型文件之外，还缺哪些环节
第一步确认编码器处理什么输入，图像与文本是否进入可比较的空间，维度和归一化如何定义。不同编码器输出即使长度一样，也不能默认混用。
第二步锁定授权权重及预处理。缩放、裁切、颜色通道、数值范围和 tokenization 都可能改变结果。第三步记录转换工具、格式和不支持的算子。第四步用目标运行时加载，比较浏览器输出与参考输出，再测检索。
LiteRT.js 官方文章展示了 Web 推理路线；10 月 19 日 Tensor API 文章介绍了更底层的原生图构建。两者不能替代“这一个模型、这一个转换版本、这组浏览器”之间的兼容性证据。若某一步失败，就标记失败，不能换模拟向量把流程接起来后仍称端侧模型跑通。
先让检索数学拒绝假输入
这个最小例子只检查余弦相似度的输入约束与召回指标，不运行任何模型。保存为 retrieval-math.mjs，执行 node retrieval-math.mjs：
import assert from "node:assert/strict";
function cosine(a, b) {
if (!a.length || a.length !== b.length) throw new Error("dimension mismatch");
let dot = 0, aa = 0, bb = 0;
for (let i = 0; i < a.length; i++) {
if (!Number.isFinite(a[i]) || !Number.isFinite(b[i]))
throw new Error("non-finite embedding");
dot += a[i] * b[i]; aa += a[i] ** 2; bb += b[i] ** 2;
}
if (!Number.isFinite(dot) || !Number.isFinite(aa) || !Number.isFinite(bb) || aa === 0 || bb === 0)
throw new Error("invalid norm");
return dot / Math.sqrt(aa * bb);
}
function recallAtK(rankedIds, relevantIds, k) {
if (!Number.isSafeInteger(k) || k < 1) throw new Error("invalid k");
const truth = new Set(relevantIds);
if (!truth.size || new Set(rankedIds).size !== rankedIds.length)
throw new Error("non-empty truth and unique results required");
return rankedIds.slice(0, k).filter(id => truth.has(id)).length / truth.size;
}
assert.equal(cosine([1, 0], [0, 1]), 0);
assert.equal(cosine([1, 0], [1, 0]), 1);
assert.throws(() => cosine([0, 0], [1, 0]));
assert.throws(() => cosine([1], [1, 2]));
assert.equal(recallAtK(["b", "c", "a"], ["a", "b"], 2), 0.5);
assert.throws(() => recallAtK(["a", "a"], ["a"], 1));
// 反例：若编码器永远输出同一向量，所有候选得分相同。
assert.equal(cosine([1, 0], [1, 0]), cosine([1, 0], [1, 0]));
console.log("retrieval math passed; embeddings are hand-written fixtures");
最后一条断言刻意展示退化编码器。真实验证至少需要多张不同授权图片与多条查询，确认输出不是常量、零值或非有限值；“向量不同”也只是基本检查，仍需标注相关性来检验质量。
条码识别与视觉相似检索也应分开。条码解码得到一个标识符，通常可直接查商品库；视觉检索给相似候选，可能把外观相近但型号不同的商品排在前面。不要用相似度自动确认商品身份或价格。
一份可交接的实验记录
样本集固定授权来源、查询、相关商品 ID 与困难负样本；按查询统计 Recall@k，并保留错误案例。若图库较小，先用精确检索校验，再引入近似索引，避免把模型误差与 ANN 误差混在一起。
性能分为下载、初始化、解码预处理、编码、索引检索、回读显示；记录浏览器、OS、设备与失败原因。相机权限被拒绝时允许上传图片或改用文本；低端设备不支持时退回服务端或普通搜索，但需要告知图片将离开设备。
本轮已执行数学测试，未下载 EmbeddingGemma 2 权重，未转换模型，未获取真实嵌入，也没有 Recall@k 或 GPU 时间结果。当前结论是值得验证的链路，不是“浏览器已兼容”。
参考资料：EmbeddingGemma 2，2026-10-06；LiteRT.js，2026-07-09；LiteRT Tensor API，2026-10-19。采用前重新核验可得权重、许可与浏览器运行路线。
评论前必须登录！
注册