这个坑值得记一笔。把数据库里的一批商品标题直接送去算向量，接口返回 400，提示 input 中不能包含空字符串，可那一批里明明只有几十条是空的。
刚开始盯着「单条超长文本被截断成空串」，折腾了半个多小时，排掉了。
这类报错背后常见的原因有几处，逐个排除就行。标题字段存在空串或只有空格；清洗时把表情符号全删完，剩下空内容；从表格读出来的字段带制表符，strip 没处理干净。
过滤空白并在日志里记下原始 id
items = [x for x in items if x['title'].strip()]随后对空值做占位替换而不是直接丢弃
text = x['title'].strip() or '未命名'接着分批调用并限制单批 token 总量
python embed_batch.py --batch 64 --max-tokens 6000末了把空值比例做成指标，长期观察数据质量
print({'empty_ratio': empty / total})怎么算真的好了，看的是同一批现象。批量向量全部生成成功，条数与清洗后的样本数一致，没有 400 报错，回填进向量库也能一一对应。
容易忽略的是，接口按数组整体校验，只要有一条为空整批都会失败，所以清洗要在分批之前做，别指望服务端自动跳过无效项。同一份配置在测试环境跑通，不代表线上没事，两边的默认值经常不一样。