复制
向 AI 提问
import os
os.environ["MINIMAX_GROUP_ID"] = "MINIMAX_GROUP_ID"
os.environ["MINIMAX_API_KEY"] = "MINIMAX_API_KEY"
复制
向 AI 提问
from langchain_community.embeddings import MiniMaxEmbeddings
复制
向 AI 提问
embeddings = MiniMaxEmbeddings()
复制
向 AI 提问
query_text = "This is a test query."
query_result = embeddings.embed_query(query_text)
复制
向 AI 提问
document_text = "This is a test document."
document_result = embeddings.embed_documents([document_text])
复制
向 AI 提问
import numpy as np
query_numpy = np.array(query_result)
document_numpy = np.array(document_result[0])
similarity = np.dot(query_numpy, document_numpy) / (
np.linalg.norm(query_numpy) * np.linalg.norm(document_numpy)
)
print(f"Cosine similarity between document and query: {similarity}")
复制
向 AI 提问
Cosine similarity between document and query: 0.1573236279277012
以编程方式连接这些文档到 Claude、VSCode 等,通过 MCP 获取实时答案。