昨天我們已經先把題目的向量生出來了，今天來正式加入向量搜尋。

▍程式碼

1. 將搜尋改為呼叫向量搜尋函式

# views.py

@app.route('/search')
def search():
    ...
    query = request.args.get(search_type, '').lower()

    if query:
        ...
        
        if search_type == 'q':
            # 呼叫向量搜尋函式，傳入使用者輸入內容，top_n=最相關的題目數
            vector_results = vector_search(query, top_n=10)
            
            for result in vector_results:
                ...
                })
    ...
    return render_template(
        ...
    )

2. 向量搜尋函式

from mistralai import Mistral

# 進行向量搜尋
def vector_search(query_text, top_n=5):
    api_key = os.environ.get("MISTRAL_API_KEY")
    client = Mistral(api_key=api_key)
    model = "mistral-embed"

    try:
        # 生成查詢關鍵字的向量
        query_embedding_response = client.embeddings.create(
            model=model,
            inputs=[query_text],
        )
        query_vector = query_embedding_response.data[0].embedding
    except Exception as e:
        print(f"生成查詢向量時發生錯誤: {e}")
        return []

    # 載入生成好的題目向量
    questions_data = load_questions_with_embeddings()
    if not questions_data:
        return []
    search_results = []
    
    for item in questions_data:
        if "embedding" in item:
            item_vector = item["embedding"]
            # 呼叫cosine函式，計算餘弦相似度
            similarity_score = cosine(query_vector, item_vector)
            search_results.append({
                "item": item,
                "score": similarity_score
            })

    # 依據相似度分數進行排序，分數越高相似度越高
    search_results.sort(key=lambda x: x["score"], reverse=True)

    # 返回最相關的 top_n 個結果
    return search_results[:top_n]

3. 計算餘弦相似度，計算結果越大相似度越高

import numpy as np

def cosine(vec1, vec2):
    vec1 = np.array(vec1)
    vec2 = np.array(vec2)
    # 避免分母為零
    dot_product = np.dot(vec1, vec2)
    norm_a = np.linalg.norm(vec1)
    norm_b = np.linalg.norm(vec2)
    
    if norm_a == 0 or norm_b == 0:
        return 0.0
        
    return dot_product / (norm_a * norm_b)

關係度的計算方式？
在 Mistral AI 裡，餘弦相似度、歐幾里德距離和內積是等效的。

關於餘弦相似度
餘弦相似度範圍從-1到1，-1代表兩個向量方向相反，1表示兩個向量方向完全相同，0通常表示兩向量之間獨立。

在題目後加上計算結果，測試一下。