全球首个开源吠陀AI占星师：VedAstro ChatAPI结合Cohere Embeddings的NLP实现全解-北京尧图网络

【免费下载链接】VedAstroA non-profit, open source project to make Vedic Astrology easily available to all.项目地址https://gitcode.com/gh_mirrors/ve/VedAstro点击查看免费下载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。关键源码路径速查模块路径作用对话主逻辑ChatAPI.cs提问分流、LLM 调用、消息存储向量生成LLMEmbeddingManager.csCohere / Ada 嵌入 API 封装NLP 基础工具NLPTools.cs余弦相似度、分词、词袋嵌入数据表PresetQuestionEmbeddingsEntity.cs预设问题向量实体前端页面ChatAPI.razor聊天 UI 与服务说明文档向量化DocToEmbeddings/Program.csPDF 切块入库实验总结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 ✨赞分享【免费下载链接】VedAstroA non-profit, open source project to make Vedic Astrology easily available to all.项目地址https://gitcode.com/gh_mirrors/ve/VedAstro点击查看免费下载相关推荐VedAstro完整指南这个免费开源的吠陀占星平台如何3分钟生成你的Vedic星盘VedAstro完整指南这个免费开源的吠陀占星平台如何3分钟生成你的Vedic星盘 VedAstro 是一个非营利的免费开源吠陀占星Vedic Astro吠陀占星Dasa周期计算原理VedAstro Vimshottari Dasa八级周期源码深潜吠陀占星Dasa周期计算原理VedAstro Vimshottari Dasa八级周期源码深潜 VedAstro 是一个非营利开源项目目标是让吠陀占星VeVedAstro准确性揭秘吠陀占星为何能提前预测Steve Jobs与Marilyn Monroe的人生节点VedAstro准确性揭秘吠陀占星为何能提前预测Steve Jobs与Marilyn Monroe的人生节点 VedAstro 是一个非营利开源项目用算法化上一篇Qwen3.8-Flash-Next基准性能全解读6B激活参数如何力压Claude与DeepSeek登顶SWE-bench Pro下一篇PyTorch JIT 源码导读TorchScript 语言与编译器栈的目录架构、IR 表示与执行管线创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

全球首个开源吠陀AI占星师：VedAstro ChatAPI结合Cohere Embeddings的NLP实现全解

相关推荐

【Spring-响应式编程】什么是反应式编程（Reactive Programming）？它的核心思想是什么？

8. 测试-性能测试-工具简介及实战

【芳芯科技】图像识别教室无人关灯系统

更多资讯

Android LiveData 核心机制与性能优化实践

Plan-and-Solve：大模型零样本推理的结构化范式

HTML语义化与可访问性工程实践指南

OPC UA技术解析：工业通信协议与应用实践

智能代扣系统设计：提升回款率与降低人力成本

Postman接口测试全攻略：从入门到企业级实践

今日更新

GUI自动化测试中的ScreenLayout：从硬编码坐标到声明式画面地图

LLC谐振变换器12V25A 300W开关电源设计与调试全攻略

ESP32多应用Flash数据隔离：分区表与NVS namespace实战

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？