前面学习时常提到嵌套函数，通过 embedding_function 设置。你知道嵌套函数在整个过程/流程中定位和角色吗？
下面通过一个简单生活化例子来介绍它：
首先，我们可以将嵌入函数理解为一个翻译员，把文字翻译成一串数字（向量）。Chroma 则是一个会 “按意思找东西” 的记忆笔记本（意思是通过向量距离、相似度来表达，越相似两则越像）。
重点注意：必须使用同一个翻译员，换一个翻译员，翻译出来的东西不一样，也就找不到了。
我们准备两条小文本，存进 Chroma：
文本 A：小猫爱吃鱼
文本 B：小狗爱吃骨头
把内容放进 Chroma，对应流程如下：
上图中，嵌入函数的职责是将输入的文本翻译成向量。
拿出翻译员（嵌入函数），把文字 “小猫爱吃鱼” 翻译成一串数字（向量） 比如翻译成：“[0.12, 0.78, -0.31, 0.55]”（真实会有几百上千个数字，这里简化成 4 个）
同样这个翻译员，翻译 “小狗爱吃骨头” → “[0.81, 0.05, -0.22, 0.40]”
Chroma 把【原文 + 这串数字】存起来，并且建好索引，方便之后快速查找。
现在 Chroma 里面存了两条记录：
id:A、文字：小猫爱吃鱼、数字向量：[0.12, 0.78, -0.31, 0.55]
id:B、文字：小狗爱吃骨头、数字向量：[0.81, 0.05, -0.22, 0.40]
你来提问，Chroma 从数据库中找出和你提问最相关的数据，对应流程如下：
上图中，嵌入函数的职责是将你的问题翻译成向量，需要保证和第一步使用同一个翻译员（向量模型），翻译出的向量才是一样的。
现在你来提问：什么小动物喜欢吃鱼？
还是刚才同一个翻译员！ 把这句话翻译成向量：[0.10, 0.75, -0.28, 0.52]
Chroma 拿这个新的数字串，和已经存好的两组数字对比，计算“像不像”（余弦距离）
和「小猫爱吃鱼」的数字非常接近
和「小狗爱吃骨头」差别很大
Chroma 返回结果：“最相似的是：小猫爱吃鱼”
如果换了另一个翻译员，同样一句“什么小动物喜欢吃鱼？”，新翻译员翻译出来是：“[0.99, -0.1, 0.2, -0.7]” 这串数字和之前存的两组数字完全不像，Chroma 就会找不到正确答案！
川公网安备51010802032098
