BGE 检索工具包概览：嵌入、重排与 RAG 支持

用途与项目结构

根据来源页面，BGE（BAAI General Embedding）是面向检索增强大模型（RAG）的检索工具包，FlagEmbedding 仓库将内容划分为推理、微调、评估、数据集、教程与研究项目几个部分，覆盖嵌入器（Embedder）和重排器（Reranker）两条主线。

模型与能力

来源列出的模型包括：BGE-M3 支持多语言、最长 8192 输入以及稠密、稀疏、多向量三类检索；bge-en-icl 支持上下文学习式嵌入；bge-multilingual-gemma2 面向多语言任务；重排侧有 bge-reranker-v2-m3、bge-reranker-v2-gemma、层可选的 minicpm 版本，以及支持词元压缩与逐层轻量化的 v2.5-gemma2-lightweight。较早的 bge-reranker-base/large 被描述为更准确但效率较低。

使用方式

页面提供 pip 与源码两种安装路径，并区分是否包含微调依赖；快速开始示例展示加载嵌入模型、编码句子、用内积计算相似度的流程。

限制与待核实

页面中的性能表述（如 SOTA、基准排名）为项目方自述，未在本次整理中复现；安装命令与代码示例来自来源，未实际运行验证；各模型的具体显存、速度与效果需结合自身场景另行评估。