本文介绍了使用智谱AI的Embedding技术进行文本相似搜索的实现方法。通过读取存储文本向量的CSV文件，将字符串格式的向量转换为可计算的Python列表。文章详细说明了调用智谱AI的embedding接口将文本转换为高维向量，以及计算余弦相似度的函数实现。最后演示了如何根据关键词在向量空间中进行相似搜索，并返回相似度最高的结果。该方法可应用于文本检索、推荐系统等场景，通过向量相似度快速找到相关内容。

        ps:数据在我的资源专栏里面

#基于Embedding的相似搜索
import pandas as pd
import numpy as np
import ast
from zhipuai import ZhipuAI

df=pd.read_csv('datas/embedding_output_1k_zhipu.csv')

# ====== 使用 智谱 AI Embedding ======
ZHIPU_API_KEY = "XXXX"  # 🔑 替换为你自己的 API Key

client = ZhipuAI(api_key=ZHIPU_API_KEY)

##把 CSV 中存储为「字符串格式」的 Embedding 向量，转换成可计算的 Python 列表
df['embedding_vec'] = df['embedding'].apply(ast.literal_eval)

#调用智谱 AI 的 /embeddings 接口，将输入文本 text 转换为高维向量
def embedding_text(text, model="embedding-3"):
    """
    使用智谱 AI 的 embedding 模型
    支持模型: embedding-2, embedding-3
    """
    response = client.embeddings.create(
        model=model,
        input=text) # 智谱支持字符串或列表

    return response.data[0].embedding

#计算两个向量的余弦距离，值越大越相似，范围 [-1, 1]
def cosine_distance(a,b):
    return np.dot(a,b)/((np.linalg.norm(a))*(np.linalg.norm(b)))

#根据指定的关键词(句子)去向量空间中进行相似搜索
def search_by_word(df,word_key,n_result=3,print_flag=True):

   #把关键词向量化
    word_embedding=embedding_text(word_key)

    #对每条记录计算与关键词的相似度
    df['similarity']=df.embedding_vec.apply(lambda x:cosine_distance(x,word_embedding))

    #按相似度降序排序，取前 n_result 条
    res=(
       df.sort_values('similarity',ascending=False)
       .head(n_result)
       .combined.str.replace('Titile:',"")
       .str.replace(';Content',';')
    )

    if print_flag:
        for r in res:
            print(r)
            print()

    return res


if __name__ == '__main__':
    search_by_word(df,'delicious beans',3)