主要观点：使用 Cohere Embed Multilingual v3 模型通过 Amazon Bedrock 和 Spring AI 创建简单应用，重点探讨嵌入（embeddings）概念及应用，包括在线商店床垫推荐案例，详细介绍实现步骤及相关代码配置等。
关键信息：

• 嵌入是文本等的数值表示，可将其转换为向量，向量间距离反映相似性。
• 要实现根据用户输入推荐相关产品，需获取现有产品嵌入并存储，调用 Amazon Bedrock 嵌入 API 对比用户输入嵌入与产品描述嵌入。
• 实现步骤包括生成 AWS 密钥、设置项目（依赖管理等）、配置文件（添加访问密钥等）、创建资源文件（包含产品信息和嵌入文件）、创建嵌入服务（利用 Autowire 等获取和计算嵌入），最后执行应用。
  重要细节：
• Spring AI 支持 10 种嵌入模型，Amazon Bedrock 提供多种高性能基础模型及相关能力。
• 代码中通过@PostConstruct加载资源，getSimilarProducts方法获取相似产品，calculateCosineSimilarity计算余弦相似度，findTopSimilarProducts找到最相似产品。
• 执行应用时可直接从代码运行，无需 Rest 控制器和 API 调用，通过mvn spring-boot:run启动。示例查询“anti-allergy king-size mattress”，得到相关产品及相似度。