RediSearch 2.10 建向量索引时把 DIM 写成 1024，实际 embedding 是 768 维，写入时没有报错，KNN 查询直接返回 Vector dimension mismatch。
真正麻烦的地方在于，几个原因的现象几乎一样。索引维度与模型输出的维度不一致；写入侧不校验长度，脏数据也能进；中途换过 embedding 模型但没重建索引；索引已存在，重复创建被忽略。
上来先用 FT.INFO 看索引的实际维度
redis-cli FT.INFO idx:docs | grep -A2 DIM接着抽查写入向量的实际长度
python -c "import struct;b=open('vec.bin','rb').read();print(len(b)//4)"再往下删掉索引按 768 维重建
redis-cli FT.DROPINDEX idx:docs DD等前面都确认过，再重新灌数据后用一条 KNN 查询验证
redis-cli FT.SEARCH idx:docs '*=>[KNN 3 @v $q]' PARAMS 2 q "$(cat q.bin)" DIALECT 2我习惯把每一步的执行时间和结果记在一边，后面复盘省事。
改之前我把相关日志按时间截了一段存着，事后对时间线用得上。
改完先别撤，确认这几项。KNN 查询返回正常结果，FT.INFO 里的 DIM 与模型输出一致，写入没有失败记录。
向量索引的维度是建索引时固定的，换模型必须重建，写入侧加一条长度断言能提前暴露问题。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。