VedAstro 是一个非营利、开源的吠陀占星（Vedic Astrology）项目，其核心亮点是免费的 AI 占星聊天服务ChatAPI。它把Cohere Embeddings 向量检索、NLP 余弦相似度和多款大语言模型（LLM）串成一条流水线，让你能用自然语言追问自己星盘（Kundli）里的任何一条预测。本文面向新手，用最少代码把这套“AI 占星师”是如何工作的讲清楚 🧿

VedAstro 与 ChatAPI：一个能对话的 AI 占星师

VedAstro 用 C# 实现了完整的吠陀占星计算引擎（行星位置、Dasa 大运、宫位力量等），而 ChatAPI 是它在 ChatAPI.razor 页面暴露出来的对话式入口。它的定位是：

• 🗣️对话式解读：针对你的出生时间，把几百条预测变成可追问的聊天
• 🔍语义检索：用 Cohere Embeddings 把问题“翻译”成向量，再找到最相关的预测
• 🎯多模型分工：Cohere Command R Plus 负责主答，Mistral、Llama 等负责筛选与润色
• 🌍完全开源：用户反馈会沉淀为公开的学习数据集，持续“喂”给模型

一次提问的完整流水线：从输入到回答

在 ChatAPI.cs 中，一条用户消息会经过这样的流程：

1. 防呆检查：问题太短（少于 5 个字符）或被识别为“何时发生”类问题，直接给提示，引导你去 Life Predictor 页面
2. 切片：GetPredictionAsChunks()把整份星盘的预测清单算出每条的Weight（权重）——基于 Shadbala 宫位/行星力量求和，按权重排序后打包成文本块
3. 语义筛选：PickOutMostRelevantPredictions_*()让轻量 LLM 从整块文本中挑出与问题最相关的几条
4. 生成回答：AnswerQuestionDirectly_CohereCommandRPlus()以“自信的专业占星师”为系统提示，基于筛选结果作答（Temperature 0.9、TopP 0.1）
5. 追问：回复附带固定追问按钮Why? / How? / Tell me more...，追问会携带上一轮问答上下文再次进入 LLM

每一轮对话（人类和 AI 的消息）都会写入 Azure 的ChatMessage表，为后续反馈学习留好数据。

Cohere Embeddings 是怎么接入的？

向量生成集中在 LLMEmbeddingManager.cs 和GetEmbeddingsForTextList_CohereEmbed()：

• 调用 Azure 上托管的Cohereembed-english-v3.0无服务器推理端点
• 每次最多发送95 条文本，超出自动分批并合并结果
• 请求体里用input_type区分用途：问题用search_query，文档用search_document——这正是语义搜索的最佳实践：两侧用不同视角嵌入，检索更准

检索结果存入 Azure 表PresetQuestionEmbeddings，实体定义见 PresetQuestionEmbeddingsEntity.cs，开源样本数据在 PresetQuestionEmbeddings.csv。

余弦相似度：找到“最相关”的那条预测

向量拿到之后，比的是方向而不是长度。核心公式在 NLPTools.cs 的CosineSimilarity()：

相似度 = 两向量点积 ÷（各自模长之积），取值 -1 到 1，越接近 1 语义越一致

GetSimilarity()对每个候选预测计算一次分数、按分数降序排列，取 Top 结果交给 LLM。同文件里还有简易分词器Tokenize()和词袋模型工具，方便你理解从文本到向量的完整链路。

另外，DocToEmbeddings/Program.cs 展示了进阶玩法：把整本《Muhurtha Or Electional Astrology》PDF 抽取成树状文本块（Chunk），为将来“占星书籍语义搜索”打基础。

让 AI 占星师越用越聪明

ChatAPI 页面特别强调两点：

• 即时学习：每次“好/坏”反馈都会进入模型的决策路径，AI 相当于实时纠正错误
• 开放回馈：匿名学习模型会上传到 HuggingFace 开源数据集（见 HuggingFace/ 目录），让整个社区受益

想深入了解接口细节，可以翻阅 nlp-api-url-guide.jpg 中的 URL 结构说明图。

关键源码路径速查 📁

总结

VedAstro 的 ChatAPI 是“向量检索 + LLM 生成”这一主流 RAG 思路在占星领域的完整落地：Cohere Embeddings 负责理解你问的是什么，NLP 余弦相似度负责选出对的预测，LLM 负责说得像一位占星师。作为全球首个完全开源的吠陀 AI 占星项目，它的每一层逻辑都摊开在仓库里，非常适合想学习 NLP 应用与 LLM 工程实践的开发者阅读和二次开发 ✨