Embedflow 實現零停機嵌入模型遷移

有什麼變化

此方法沿用舊索引取出的文件，再使用新嵌入模型重新排序前 K 份文件。

為什麼重要

如果這些結果能在更大規模的環境中重現，大型 RAG 系統便可能在不需長時間停機或大量重新計算的情況下升級嵌入模型。主要營運風險在於如何選擇足夠大的 K，同時維持召回率與延遲表現。

下一步行動

從 PyPI 安裝 embedflow，並在遷移正式索引前，針對多個 K 值測試 Qdrant 的檢索品質、延遲與召回率。