Jina Embeddings v3 多任务多语言向量模型：LoRA 任务适配器与 8192 长文本检索

🎯 一、Jina Embeddings v3 任务适配器设计

以往团队需要在不同模型间来回切换（检索用一个，分类用另一个）。Jina Embeddings v3 支持通过 task 参数在推理时即时调用对应的轻量 LoRA 头：

retrieval.query：专为短搜索查询优化，强化意图捕捉。
retrieval.passage：专为长文档段落优化，最大支持 8192 Tokens。
classification：语义分类适配；separation：聚类分析适配。

⚡ 二、镜像拉取与 Python 多任务向量计算

下载 Jina 权重

export HF_ENDPOINT="https://hf-mirror.net"
huggingface-cli download jinaai/jina-embeddings-v3 \
  --local-dir /data/models/jina-embeddings-v3 \
  --local-dir-use-symlinks False

jina_demo.py: 针对性适配器调用

from transformers import AutoModel

model = AutoModel.from_pretrained("/data/models/jina-embeddings-v3", trust_remote_code=True)

# 查询与文档使用不同的专用任务适配器
query_vec = model.encode(["大模型如何实现高效量化？"], task="retrieval.query")
doc_vec = model.encode(["这是一篇介绍 AWQ 与 GGUF 量化算法原理的深度技术文章..."], task="retrieval.passage")

print("Query 向量维度:", query_vec.shape)
print("文档向量维度:", doc_vec.shape)