我们有批技术资料是纯英文的（供应商给的原版手册，没人翻），但用的人全说中文，张口就是"这个传感器的供电电压范围是多少"。一开始的检索基本废——中文query和英文文档，向量空间对不上，召回惨不忍睹。后来折腾通了，把几条路子和最后的选择讲清楚。

为啥直接检索会废

你以为多语言embedding模型能自动对齐中英？理想很丰满。实测里"供电电压"和"supply voltage"，靠通用多语言模型的embedding，相似度并没高到能稳定召回的程度。专业术语尤其明显——领域词在多语言模型里对齐得很松。结果就是该命中的英文段落，排名靠后，捞不上来。

试过的三条路

路子一：把英文资料全翻成中文再入库。 最直觉。效果也确实好，中文问中文匹，召回稳。但缺点扎心——翻译有成本，而且术语翻译一旦不准（机翻把"register"翻成"注册"而不是"寄存器"），整段语义就歪了，召回反而被带跑。资料一更新还得重翻。我们资料量大，否了。

路子二：把用户的中文问题翻成英文再去检索。 反过来。query短，翻译成本低，术语出错概率也小。我现在主用这条：用户问"供电电压范围"，先过一道翻译变成"supply voltage range"，再拿英文去检索英文库，同语言匹配，召回立马上来。检索到英文段落后，生成答案时再让模型用中文回给用户。

路子三：直接上跨语言能力强的embedding。 理论最干净，一步到位。但对术语密集的专业库，我实测召回还是不如"先翻query"那条稳。可能通用模型没见够这个领域的中英对照。先搁置了。

最后落的方案：query翻译 + 原文检索 + 中文生成

链路是这样：

中文问题 → 翻成英文query → 检索英文知识库
        → 命中英文段落 → 模型用中文+英文原文出答案

末尾我特意保留：答案给中文结论，但把依据的英文原文片段也附上。因为是技术资料，工程师反而想看英文原文核对术语，纯中文他们不放心。

一个没绕过去的坑

query翻译这步，遇到中英夹杂的提问会抽风。有人问"这个MCU的IDLE模式功耗多少"——里面MCU、IDLE本来就是英文，翻译模型有时会画蛇添足把它们再"翻"一遍，反而搞乱。我现在的土办法是：提示翻译那步"保留已是英文的术语原样"，缓解了大半，但偶尔还漏。

落地用的那个零代码配智能体的工具，翻译节点、检索节点、生成节点串起来就是拖拽，我主要调提示词和保留原文的逻辑，没写检索胶水代码。

模型这层说一句：翻译、检索后的生成全要大模型，我用讯飞的模型即服务（MaaS，现成API），不用自建多语言模型和算力，接上就调。

—

跨语言知识库你们是翻文档还是翻query？有没有人用双路索引（中英各存一份）的？我担心存两份维护成本高，没敢上，评论区聊聊。