实现从 Milvus 中获取数据，并基于嵌入向量重新排序的功能

为了实现从 Milvus 中获取数据，并基于嵌入向量重新排序的功能，你可以参考以下步骤对原代码进行完善和修改。

关键问题和修改：

1. Milvus 数据获取：确保 query() 能获取插入的数据，尤其是向量。确保 Collection 正确连接，并且 output_fields 中字段名匹配 Milvus 中的定义。
2. 加载数据：插入数据后，需要通过 load() 加载数据，确保数据在 Milvus 中可见。
3. 优化向量查询逻辑：可以考虑使用 search() 方法，而不是直接从 Milvus 查询所有数据，再计算相似度。search() 可以直接根据查询文本的向量进行向量相似度搜索。

代码修改：

import torch
from transformers import AutoTokenizer, AutoModel
import numpy as np
from pymilvus import Collection, connections


# 计算余弦相似度的函数
def cos_sim(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))


# 生成文本的嵌入向量
def embed_texts(texts, model, tokenizer):
    """
    使用 Jina-embeddings-v2 模型将文本转化为嵌入向量
    """
    inputs = tokenizer(texts, return_tensors='pt'