task-embedding-research-52870

任务概述

调研热门向量 Embedding 模型，分析优劣势、性能、硬件需求，并评估两台目标服务器能否部署运行。

目标服务器硬件信息

LE-B（冷备份服务器，加拿大）

• CPU：Intel Xeon E3-1270 v6 @ 3.80GHz（4核8线程，最高4.2GHz）
• 内存：62GB
• 用途：冷备份服务器，未来可能承担向量搜索任务

RS1000（主力迁移候选，美国）

• CPU：AMD EPYC 9634（4核，单线程，高频 EPYC 系列）
• 内存：7.8GB
• 用途：当前运行银狼 Agent，未来爱衣主机迁移目标

调研维度

1. 热门向量 Embedding 模型盘点
2. 涵盖：all-MiniLM-L6-v2、BGE 系列（bge-small/base/large）、text-embedding-ada-002（API）、E5 系列、GTE 系列、Nomic Embed 等

3. 每个模型：参数量、维度、模型大小、适用语言（中文支持？）

4. 性能与质量对比

5. MTEB 基准分数（中文 / 多语言 / 英文）
6. 检索质量 vs 速度权衡

7. 中文支持情况（重要：我们有大量中文内容）

8. 硬件需求与部署可行性

9. 内存占用（加载后 RAM 使用量）
10. CPU 推理速度（emb/s，基于上述两台服务器估算）
11. 是否需要 GPU？纯 CPU 能否接受？
12. 针对 LE-B（62GB RAM，4核8线程 Xeon E3-1270 v6）的可行性评估

13. 针对 RS1000（7.8GB RAM，4核 EPYC 9634）的可行性评估

14. 部署方式

15. sentence-transformers / Ollama / llamacpp / fastembed 等方案对比

16. 哪种方案最适合 OpenClaw memory_search 集成？

17. 推荐方案

18. 为爱衣 + 银狼 Agent 推荐最适合的 1-2 个模型
19. 综合考虑：中文支持、纯CPU可用、内��合理、质量够用

输出格式

• 报告写入：/root/.openclaw/workspace/tasks/task-embedding-research-52870/report.md
• 报告包含：对比表格 + 每个模型简评 + 两台服务器可行性结论 + 最终推荐

质检 SOP（爱衣执行）

1. 报告是否覆盖所有调研维度（5个）
2. 是否有针对 LE-B 和 RS1000 的具体可行性评估
3. 是否有中文支持分析
4. 是否给出明确推荐结论
5. 报告可读性和结构

执行链

researcher → 爱衣质检

完成通知格式

task_id=task-embedding-research-52870
task=/root/.openclaw/workspace/tasks/task-embedding-research-52870/task.md

发送给：agent:main:main