Settings.llm = DashScope(model_name=DashScopeGenerationModels.QWEN_MAX, api_key=os.getenv("DASHSCOPE_API_KEY"))
Settings.embed_model = DashScopeEmbedding(
# model_name="text-embedding-v1"
model_name=DashScopeTextEmbeddingModels.TEXT_EMBEDDING_V1,
api_key=os.getenv("DASHSCOPE_API_KEY")
)
documents = SimpleDirectoryReader("./data").load_data()
index = VectorStoreIndex.from_documents(documents)
query_engine = index.as_query_engine()
response = query_engine.query("deepseek v3有多少参数？")
print(response)
response = query_engine.query("DeepSeek-V3有多少参数？")
print(response)以上代码返回结果如下：
第一个response： 提供的信息中没有提到DeepSeek-V3的具体参数量。
第二个response： DeepSeek-V3总共有6710亿参数，每个token激活370亿参数。
model_name=DashScopeTextEmbeddingModels.TEXT_EMBEDDING_V1,
如果注释掉这段代码，使用默认的embedding模型，输出的结果：
第一个response： DeepSeek-V3 拥有总计671亿个参数，每个令牌激活37亿个参数。
第二个response： DeepSeek-V3总共有6710亿参数，每次处理一个token时激活370亿参数。
第一种情况明显是模型认为"deepseek v3"和"DeepSeek-V3"不是一个意思（pdf原文中是"DeepSeek-V3"），所有没有返回期望的结果。
有两个问题：
1、如何让大模型理解两个关键词是一个意思，五期L1的课上，老师的代码没有这个情况（课上代码用的embeding是v1，关键字用的是deepseek v3）。不太理解本地为什么会是这样？
2、以上代码是在window上运行的，但是换到macos上不管使用默认的embeding还是指定v1，都没有得到预期的结果？
