Day 36 · Embedding 向量

Week 6 · Day 36 / 56 · 返回大纲

一、Embedding 向量

把文本转成数值向量,语义相近的文本向量距离近。

import numpy as np

def cosine_similarity(a, b):
    """计算余弦相似度"""
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

# 示例:语义相近的句子
# "Python 是编程语言" vs "JavaScript 是编程语言" → 相似度高
# "Python 是编程语言" vs "今天吃什么" → 相似度低

二、向量数据库

uv add chromadb

import chromadb

client = chromadb.PersistentClient(path="./chroma_db")
collection = client.get_or_create_collection("docs")

# 添加文档
collection.add(
    documents=["Python 是编程语言", "FastAPI 是 Web 框架"],
    ids=["doc1", "doc2"]
)

# 查询
results = collection.query(
    query_texts=["什么是 Python?"],
    n_results=2
)
print(results["documents"])

动手练习

练习 1:相似度
计算两个句子的相似度
def cosine_similarity(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))
查看答案
参考答案
# 向量越相似,值越接近 1
练习 2:存入文档
markdown 文件存入向量库
collection.add(documents=[text], ids=[filename])
查看答案
参考答案
# 批量索引文档

打卡验收

理解 Embedding 的概念
会计算余弦相似度
会用 ChromaDB 存储向量
理解 RAG 的检索原理
完成 2 个动手练习
能向别人解释什么是向量数据库
为 RAG 打基础
Week 6 开始!
打卡方式: 全部勾选后,告诉我 "Day 36 打卡",并贴出你的代码。