在 GEOFlow 中，Chat 模型承担生成式任务，负责标题生成、正文生成和知识库切片的语义规划。Embedding 模型将文本段落转为高维向量，驱动知识库的 RAG 召回。两类模型职责不可互换。
接入与配置
在 AI 配置器 > AI 模型设置中添加模型时，Chat 模型类型选 chat，Embedding 模型类型选 embedding。API 地址仅需填写基础路径，系统会为 Chat 模型自动补全 /v1/chat/completions，为 Embedding 模型补全 /v1/embeddings。不要混用全路径 endpoint 与基础地址。
Embedding 模型必须设为默认。如果知识库切片已存在但向量数为零，通常缘于模型未配置、未启用、接口调用失败或未设为默认 Embedding 模型。接入后请验证保存成功、连接测试通过，且知识库向量能够正常写入。
模型选择与策略
优先接入稳定的 Chat 模型，先跑通标题与正文生成，确保基础内容链路可用。需要使用知识库能力时再接入 Embedding 模型，并确认向量化正常。
Chat 模型选择：标题生成可选用速度快、成本低的轻量模型；长文写稿或复杂语义规划则宜选择上下文更长、推理更强的模型。智能切换（smart_failover）应在主模型稳定后启用，并设置好优先级，以控制成本和输出风格波动。
最小检查清单
- Chat 模型已保存，连接测试通过，标题与正文生成均正常。
- 如需知识库，Embedding 模型已设为默认模型，且切片向量数大于零。
- 语义切片失败时，系统自动回退为规则切片，不阻断入库。
常见问题
向量数为零时，先检查 Embedding 模型的类型、API Key 有效性和默认模型设置，再测试接口连通性。语义规划任务只需使用速度较快、上下文足够且成本较低的 Chat 模型。规划失败时系统自动回退到结构化规则切片，知识库入库不会中断。