向量相似度计算器
计算两个向量的余弦相似度、欧氏距离、点积，并支持批量检索模拟排名，适合调试 Embedding/RAG 检索效果。
免费在线工具
Loading…
使用说明
- 切换到「两向量对比」或「批量检索模拟」标签页。
- 两向量对比模式下，在两个文本框中分别粘贴 JSON 数组格式的向量（如 [0.12, -0.34, 0.56]），点击「计算」查看余弦相似度、欧氏距离、点积。
- 批量检索模拟模式下，先粘贴查询向量，再在候选向量文本框中每行填写一个候选向量（可用“标签: [数组]”格式标注 ID，也可以不加标签自动编号），点击「计算并排名」按余弦相似度从高到低排序。
- 点击「加载示例向量」/「加载示例数据」快速体验。
- 若两个向量维度不一致，工具会给出提示并只计算能计算的部分（点积按较短维度截断），余弦相似度与欧氏距离会显示为空。
功能介绍
- 支持任意维度的 JSON 数组格式向量输入（模拟 Embedding 模型输出）。
- 一次性计算余弦相似度、欧氏距离、点积三项常用指标。
- 批量检索模拟：一个查询向量 + 多个候选向量，按相似度降序排名，直观呈现向量检索/RAG 召回效果。
- 维度不匹配等异常输入会被识别并给出清晰提示，不会静默出错。
- 纯本地计算，不上传任何数据。
使用场景
RAG 检索效果调试
粘贴查询向量与多个候选文档向量，直观查看召回排名是否符合预期，辅助排查 RAG 系统召回质量问题。
Embedding 模型选型对比
用同一对文本在不同 Embedding 模型下生成的向量，比较余弦相似度差异，辅助选择更适合业务场景的模型。
向量数据库调优
在没有真实向量数据库环境时，先用本工具验证相似度计算逻辑和排序结果是否符合预期。
教学与算法理解
帮助初学者直观理解余弦相似度、欧氏距离、点积三种向量度量方式的区别与计算过程。
常见问题
支持多少维度的向量？
理论上不限制维度，只要是合法的 JSON 数字数组即可，实际受浏览器计算性能限制，几千维以内都能流畅计算。
两个向量维度不一样怎么办？
工具会检测到维度不匹配并给出提示，余弦相似度和欧氏距离无法计算会显示为空，点积会按照较短向量的维度截断计算仅供参考。
批量检索模拟里候选向量的格式是什么？
每行一个候选，支持“标签: [0.1, 0.2, ...]”格式（冒号前作为显示ID），也可以直接写“[0.1, 0.2, ...]”不加标签，工具会自动编号为候选1、候选2。
数据会上传到服务器吗？
不会，所有向量运算都在浏览器本地完成，不会上传或存储任何向量数据。