使用说明
- 粘贴向量 A 和向量 B —— 可以是 JSON 数组、逗号或空格分隔的数字，也可以是整个 Embedding 接口返回的 JSON（会自动提取第一个数字数组）。
- 顶部大字显示余弦相似度，下方列出各种距离指标。
- 点击“归一化 A”可以把向量缩放到长度为 1，很多向量数据库要求这样。
常见问题
向量数据库应该选哪种度量？
跟随 Embedding 模型训练时用的度量，绝大多数是余弦。如果向量已经归一化（长度为 1），点积的排序结果与余弦完全一样且更快，所以很多数据库默认用点积。
余弦相似度多少算“相似”？
和模型关系很大。有的模型里无关文本也有 0.7 左右，有的只有 0.1。建议用同一个模型，拿已知相似和不相似的样本对比，而不是套用固定阈值。
能比较不同模型生成的向量吗？
不能。不同模型（或不同维度）的向量处于不同的空间，相似度没有意义 —— 维度不一致时工具会直接报错。