Dify

首先我们由浅入深，来看一看什么是向量，那么向量就是一个由一串数字组成的整体，比如说这个整体里面有两个数字，所以他是二维向量，这个整体里面有5个数字，所以它是五维向量。

那么什么是向量化呢？其实就是把咱们的自然语言转化为向量，比如说这句话，向量化后就变成了一串数字了，那么这个过程是怎么实现的呢？对于小白来讲，咱只需要知道是通过一个向量模型（就是专门用来向量化的模型）通过这个模型来实现的就可以了。

那么可能有同学会有疑问，就是为什么我们需要去做向量化这一步呢？来，我们一起来看看，假如说现在有两句话，那么我们发现这两句话里面都出现了苹果对吧，但实际上这两个苹果表达的是同一个意思吗？第一个苹果指的应该是苹果手机，第二个苹果才是水果中的苹果吧。那么现在我们来看一看向量化是怎么去区分这两个概念的，首先，我们看到他们全都变成了四维向量，由四个数字组成，那么这四个数字其实每一个都能去表示一中含义，比如第一个数字咱让他来表示科技成分，那么我们的苹果手机本质上是一个科技产品，所以我们发现苹果和苹果手机再这个数字上的差异是非常明显的，那么假如第二个数字表示果实形态，那么同样，苹果手机实际上是没啥果实形态的对不，所以在这个维度上他们也会有很大的一个差别，那么实际上，我们光靠这两个维度的信息是不是就已经可以区分开我们的苹果和苹果手机了呢？

好，那是不是说明后面的这些维度就没有用了呢？肯定是有用的哈，具体什么用我们再来看一个例子，假如说现在有一个苹果还有一个石榴，而我现在向量的维度只有二维，第一个维度表示颜色，第二个维度表示大小，好的，那么光靠这两个维度我们可以很好地去区分我们的苹果和石榴吗？很难对吧，那么假如我再给这个向量添加几个维度呢？比如说添加一个维度表示果实形态，再加一个表示果实甜度，再加一个表示气候适应性，那么是不是我加入的维度越多，我们就可以越好地去区分不同的概念了呢？这就是咱为什么有些向量模型地向量维度能达到2048维。

现在我们就可以去问大模型咱们知识库里面的内容了，但是大家想一想，我们问的问题肯定是一句话对吧，比如大模型的课程有哪些阶段，但是咱们数据库里面的内容是啥？是向量啊，那这怎么检索啊是吧？所以说首先我们得把咱们地话也转化为什么呢？对的，也转化为向量，那么向量与向量之间又是如何去判断是否相似的呢？

比如同样是我们的这些水果还有苹果手机，那么假设他们全部都别转化为了三维向量，三维向量咱是可以直接在坐标图里面画出来的，所以大家可以直观的看到，苹果和苹果手机在图里面的这个距离是不是非常远，说明他们相似度低，有很大区别对吧，而我们的苹果和香蕉这些水果呢？他们的距离相对就会很接近，就说明他们的这个相似度就比较高。那么除了直接去计算向量之间的距离呢，还有一种方式叫做余弦距离，咱也只需要了解一下就行了。