嵌入截断（AI 词典：Embedding">Embedding Truncation）是指文本送入嵌入模型（embedding model）时，长度超过模型的最大输入上限，超出部分被直接丢弃、不参与向量计算的现象。
可以把它想成一台固定容量的扫描仪：你塞进去一份五十页的合同，它只扫前十几页，后面的页根本没进机器。之后检索系统拿到的“合同摘要”只反映前十几页，后面的付款条款、违约条款、附录，在向量空间里等于没写。模型先把文本切成词元（token），再压成一个固定长度的向量；上限按 token 算，不是按字数算，所以中文、英文、代码的“实际容量”并不一样。具体上限因模型而异，以官方页面为准。常见实现默认保留开头、丢掉结尾，也有保留头尾、丢弃中间的做法，取决于工具配置。
需要区分几个近邻概念。分块（chunking）是主动把长文切成多段、分别嵌入，内容都保留；截断是被动丢弃，二者常被混为一谈。长上下文（long context）说的是模型能读多长，不等于嵌入模型也能吃同样长。向量维度压缩（如 Matryoshka embedding）缩短的是向量本身，不是原文。区别如下：
| 概念 | 做什么 | 长文会怎样 |
|---|---|---|
| 嵌入截断 | 超限部分直接丢弃 | 尾部内容不进入向量 |
| 分块 | 切成多段分别嵌入 | 内容保留，但需合并检索结果 |
| 长上下文 | 扩大模型可读 token 数 | 能读更多，仍有上限 |
| 向量维度压缩 | 降低向量维度 | 原文完整，向量变短 |
对从业者，这意味着 RAG（Retrieval-Augmented Generation，检索增强生成）管道里要显式检查每条文本的 token 数，按语义分块而不是按固定字数硬切，给每个块保留来源和位置，超长文档做摘要或层级索引，并在入库环节加截断告警。对普通人，往知识库、客服机器人、文档问答里塞长文件时，把关键结论放前面，或者拆成几个小文件；别指望一整本手册一次喂进去还能被完整检索到。判断标准很简单：文档里明明写了，系统却答不上来，先查是不是尾巴被截掉了。