先记住这个答案
嵌入维度越高并不一定检索质量越好。随着维度增加，模型表达能力增强，可捕获更多语义细节，但超过一定阈值后收益递减，且高维空间距离趋于均匀，区分度下降。实际中需权衡维度与存储、计算成本，常通过降维或训练小维度模型优化。
- 高维不一定准，收益先增后减平
- 距离在超高维趋于均匀，区分度降
- 维度需按数据规模与延迟权衡选择
维度与检索质量的非单调关系
嵌入维度对应特征空间容量。维度低时，模型难以区分不同语义，检索质量随维度上升明显。但当维度超过语料中真正起作用的结构维度后，额外维度主要编码噪声或稀疏特征，新增信息对区分无关样本贡献甚微，表现为收益递减曲线。
高维空间还有一个几何事实：当维度增大，任意两个随机点的距离分布方差相对均值变小，点间距离趋于相似，最近邻与最远邻差距缩小，这种‘维度灾难’会削弱基于距离的检索区分能力。即使嵌入训练能拉伸空间，有限样本下高维估计困难，泛化可能恶化。
十万级文档库的维度选择验证
假设有10万篇技术文档，采用开源嵌入模型，固定其他条件，仅比较128维、512维、1024维三种输出。为说明趋势，我们假设构建相同测试集，并假设测得recall@10分别约为0.72、0.80和0.81；同时索引内存随维度线性增长，平均查询延迟从3ms升到5ms，但recall仅提升0.01。
此时512维已基本饱和，继续增大到1024维只换来1%收益，却付出额外存储与延迟。工程上选择512维：检索质量满足需求且成本可控。若追求极致性能，还需用ANNOY等索引，但高维索引参数更难调。实际应做离线实验绘制曲线再定。
收益递减失效或加剧的条件
当语料本身信息密度极低或文档极短时，有效语义维度很少，几百维常已冗余，此时再增加维度几乎无收益，还可能因距离均匀导致误召回。相反，如果语料包含大量细粒度领域差异，更高维可能仍在小幅提升，但收益常低于1%每百维。
高维也放大索引与量化的难度。暴力检索内存线性增长，ANNOY/HNSW在过高维度下构建时间延长且查询性能下降；乘积量化则需更大码本来维持精度。若必须高维，可考虑PCA降维或使用Matryoshka模型截断，用质量数据验证保留维度。
容易答错的地方
- 维度越高越好，模型越大越准
- 嵌入模型参数量与输出维度不完全挂钩，维度是模型头配置。增加维度并不提升模型的语义理解，只是给向量更多坐标。实际中模型质量主要取决于训练数据与架构。
- 高维距离度量函数能自动适应
- 高维下欧氏距离和余弦相似度都受维度影响，距离分布集中化使阈值难以设定。常用做法先降维或使用归一化，但根本需控制维度。
面试官还会怎么问？
什么时候增加维度能明显提升检索质量？
当语料复杂度很高且现有维度不足以区分主要语义类别时，比如从64维到256维常能提升数个百分点。但超过512维后收益可能明显递减，实际提升幅度需通过实验确定，不能一概而论。
如何具体测量当前维度是否足够？
用同一测试集，固定检索算法，绘制维度-召回曲线。若曲线已趋平，说明继续增加维度意义不大。也可将嵌入做PCA，保留90%方差所需主成分数作为有效维度参考。
高维嵌入是否影响ANN索引的召回？
会。高维下距离分布集中使近邻更难区分，导致图类索引（如HNSW）的贪心搜索更易陷入局部，需调大efSearch等参数，但这样又增加延迟。是否降维需结合具体维度和数据特性试验，不存在统一阈值。
参考资料
示例用于理解所注明的运行环境与边界；延伸学习可结合原文中的更多案例。