# 余弦相似度公式：cos(θ) = (A · B) / (‖A‖ × ‖B‖)，分三步：
# A · B  — 点积，对应元素相乘再求和
# ‖A‖  — A 的模（长度），所有元素平方和再开根号
# ‖A‖ × ‖B‖  — 两个向量长度之积
import numpy as np

def cosine_similarity(a: list, b: list) -> float:
    a = np.array(a)
    b = np.array(b)

    dot   = np.dot(a, b)            # 点积
    norm_a = np.linalg.norm(a)      # ‖a‖
    norm_b = np.linalg.norm(b)      # ‖b‖

    if norm_a == 0 or norm_b == 0:
        return 0.0                 # 零向量特殊处理

    return float(dot / (norm_a * norm_b))

# 验证：完全相同的向量相似度 = 1
v = [1, 2, 3]
print(cosine_similarity(v, v))         # 1.0

# 正交向量相似度 = 0
print(cosine_similarity([1,0], [0,1]))  # 0.0