使用 AI 驱动的搜索入门实验性

AI 驱动的搜索，有时也称为向量搜索和混合搜索，是一种实验性技术，它使用大型语言模型来根据查询的含义和上下文检索搜索结果。

本教程将指导您在 Meilisearch 项目中配置 AI 驱动的搜索。您将激活向量存储设置，使用 OpenAI 生成文档嵌入，并执行您的第一次搜索。

要求

正在运行的 Meilisearch 项目
一个 OpenAI API 密钥
一个命令行控制台

创建新的索引

创建一个名为 kitchenware 的索引，并将此厨房用品数据集添加到其中。如有必要，请参考快速入门指南了解如何配置基本的 Meilisearch 安装。

激活 AI 驱动的搜索

首先，激活 AI 驱动的搜索实验性功能。具体操作取决于您是使用 Meilisearch 云还是自托管 Meilisearch。

Meilisearch 云项目

如果使用 Meilisearch 云，请导航到您的项目概述，找到“实验性功能”。然后选中“AI 驱动的搜索”框。

Meilisearch 云 AI 驱动的搜索等待列表

为了确保 Meilisearch 云最新 AI 驱动的搜索功能的正确扩展，您必须在激活向量搜索之前加入等待列表。在您的注册获得批准之前，您将无法在云界面或通过 /experimental-features 路由激活向量搜索。

自托管实例

使用 /experimental-features 路由在运行时激活向量搜索

curl \
  -X PATCH 'http://localhost:7700/experimental-features/' \
  -H 'Content-Type: application/json'  \
  --data-binary '{
    "vectorStore": true
  }'

使用 OpenAI 生成向量嵌入

接下来，您必须为数据集中的所有文档生成向量嵌入。嵌入是表示文档中单词和句子含义的数学表示。Meilisearch 依赖外部提供商生成这些嵌入。本教程使用 OpenAI。

使用更新 `/settings` 端点的 embedders 索引设置来配置默认的 OpenAI 嵌入器。

curl \
  -X PATCH 'http://localhost:7700/indexes/kitchenware/settings' \
  -H 'Content-Type: application/json' \
  --data-binary '{
    "embedders": {
      "default": {
        "source":  "openAi",
        "apiKey": "OPEN_AI_API_KEY",
        "model": "text-embedding-3-small",
        "documentTemplate": "An object used in a kitchen named '{{doc.name}}'"
      }
    }
  }'

将 OPEN_AI_API_KEY 替换为您 OpenAI API 密钥。您可以在本教程中使用任何密钥层级，但最好使用 Tier 2 密钥，以在生产环境中获得最佳性能。

`documentTemplate`

documentTemplate 描述了一个简短的 Liquid 模板。大括号 ({{) 内的文本表示点符号表示法中的文档字段，其中 doc 指示文档本身，点号后面的字符串指示文档属性。Meilisearch 将这些括号及其内容替换为相应的字段值。

生成的文本是 OpenAI 用于生成文档嵌入的提示。

例如，厨房用品文档有三个字段：id、name 和 price。如果您的 documentTemplate 是 "一个用于厨房的物体，名为 '{{doc.name}}'"，那么 Meilisearch 在索引第一个文档时发送给嵌入器的文本是 "一个用于厨房的物体，名为 '木勺'"。

为了获得最佳结果，请始终提供 documentTemplate。保持模板简洁，只包含高度相关的信息。这可确保最佳索引性能和搜索结果相关性。

执行 AI 驱动的搜索

使用 q 和 hybrid 执行 AI 驱动的搜索，以检索使用您在步骤前配置的默认嵌入器搜索结果。

curl \
  -X POST 'http://localhost:7700/indexes/kitchenware/search' \
  -H 'content-type: application/json' \
  --data-binary '{
    "q": "kitchen utensils made of wood",
    "hybrid": {
      "embedder": "default",
      "semanticRatio": 0.7
    }
  }'

Meilisearch 将返回语义和全文本匹配的混合结果，优先匹配查询的含义和上下文。如果您希望 Meilisearch 返回更多基于查询的含义和上下文的搜索结果，请将 semanticRatio 设置为大于 0.5 的值。将 semanticRatio 设置为小于 0.5 的值将返回更多全文本匹配。