# 回忆 Day23：embedding = 把文字变成一串数字（向量）
# 存文档时用的模型，查询时必须一模一样
from sentence_transformers import SentenceTransformer  # 一个开源 embedding 库
model = SentenceTransformer("all-MiniLM-L6-v2")         # 存/查用同一个

query = "公司年假有几天？"
q_vec = model.encode(query)     # 把问题翻译成向量（一串约 384 个数字）
print(len(q_vec))               # → 384 （这就是"问题的气味描述"）

import numpy as np   # numpy 是数学计算库

def cosine(a, b):
    # 余弦 = 两向量点积 / (各自长度相乘)；越接近 1 越像
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

q  = np.array([1.0, 0.9])   # 假装这是"问题"向量（真实是几百维）
d1 = np.array([1.0, 0.8])   # 文档A：方向几乎一样
d2 = np.array([-1.0, 0.2])  # 文档B：方向差很多
print(round(cosine(q, d1), 2))   # → 0.99  很相关
print(round(cosine(q, d2), 2))   # → -0.5  不相关

# 假设已经算出每段文档和问题的相似度
scored = [("年假第4.2条", 0.91), ("报销流程", 0.32),
          ("年假补充说明", 0.88), ("食堂菜单", 0.05)]

k = 2  # 只要最像的 2 段
top = sorted(scored, key=lambda x: x[1], reverse=True)[:k]  # 按分数降序取前k
for text, score in top:
    print(f"{score:.2f}  {text}")
# → 0.91  年假第4.2条
# → 0.88  年假补充说明   （无关的报销、菜单被挡在门外）

# 入库时给每段挂标签（伪代码，各向量库写法略有不同）
db.add(text="报销上限 500 元", vector=v1,
       metadata={"year": 2024, "dept": "财务"})   # 挂上年份和部门

# 检索时：先按元数据过滤，再在结果里比相似度
results = db.search(
    query_vector=q_vec,
    top_k=3,
    filter={"year": 2024, "dept": "财务"}          # 只在 2024 财务范围里找
)

import numpy as np
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("all-MiniLM-L6-v2")

# 知识库：几段小文本（真实项目里是切好的文档块）
docs = ["入职满1年享5天年假", "报销上限500元", "食堂周一供应咖喱"]
doc_vecs = model.encode(docs)          # 一次性把所有段变成向量

def cosine(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

def search(query, k=1):
    q = model.encode(query)            # ①问题也 embedding
    scored = [(d, cosine(q, v)) for d, v in zip(docs, doc_vecs)]  # ②逐段算余弦
    return sorted(scored, key=lambda x: x[1], reverse=True)[:k]   # ③排序取top-k

for text, score in search("年假多少天", k=1):
    print(f"{score:.2f}  {text}")      # → 命中"入职满1年享5天年假"

✋ 动手 10 分钟：手写一个迷你检索器

建 venv、装库,把 L06 跑通,再自己加两段文档、换几个问题试试命中对不对:

python -m venv .venv && source .venv/bin/activate   # 建并进车间(Win:.venv\Scripts\Activate.ps1)
pip install sentence-transformers numpy              # 装 embedding 库和数学库
# 新建 day25.py，把 L06 的代码粘进去，运行：
python day25.py

进阶挑战(选做):给 docs 配一个 metas 列表(每段一个 {"dept": ...}),在 search() 里先按部门过滤再比余弦——亲手实现一次元数据过滤。