$ loading_
提供高速文本向量化、相似度计算与语义搜索，便于接入应用和数据流程。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Fast Embedding MCP SSE" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 Fast Embedding MCP SSE 为以下文档生成 embedding，并设计一个基于向量相似度的检索流程，返回索引字段、检索步骤和示例查询：产品手册、FAQ、技术文档、客服话术。
一套知识库向量检索方案，包含 embedding 处理、索引设计与示例搜索方式。
请调用 Fast Embedding MCP SSE 计算以下两段英文文本的 embedding 相似度，并解释它们在语义上是否接近：文本 A：How to reset my password? 文本 B：I forgot my account password and need to change it.
返回相似度分数，并附上对语义接近程度的简要说明。
请基于 Fast Embedding MCP SSE 的 OpenAI 兼容 HTTP API，给我一个最小可用的 Python 示例：输入文本列表，获取 embedding，并把结果用于简单的相似内容排序。
一段可运行的 Python 集成示例，展示请求方式与相似度排序逻辑。
将代码库嵌入向量与图数据库，支持AI快速语义检索代码。