Meilisearch 1.7

我们很高兴推出 Meilisearch v1.7。在本文中，我们将回顾最具影响力的变化。有关详尽的列表，请查看 Github 上的更新日志。

改进的混合和向量搜索

新的 OpenAI 嵌入模型

从 Meilisearch 1.7 开始，您可以使用 OpenAI 的第三代嵌入模型

• text-embedding-3-small
• text-embedding-3-large

与之前的 text-embedding-ada-002 模型相比，这些新模型提供了改进，可以平衡搜索结果的相关性和成本效益。

small 模型更具成本效益，生成更小的向量嵌入，所需的存储空间更少。large 模型侧重于提供更高的搜索结果精度，使其成为优化相关性的理想选择。

配置 OpenAI 模型维度

当使用新的 text-embedding-3-small 和 text-embedding-3-large OpenAI 模型时，您现在可以为模型配置维度。如果未提供，则使用模型的默认维度。

您可以在更新设置时这样做

{
  // other settings...

  "embedders": {
    "small": {
      "source": "openAi",
      "model": "text-embedding-3-large",
      "dimensions": 512 // must be >0, must be <= 3072 for "text-embedding-3-large"
    },
  }
}

较高的维度通常提供更复杂的嵌入，这可以带来更准确的搜索结果。但是，增加维度会增加计算成本并需要更多存储空间。

在 Meilisearch Cloud 上使用 AI 搜索

Meilisearch 混合搜索和向量搜索即将登陆 Meilisearch Cloud。我们每天都在发出邀请。加入 beta 版。👇

获取提前访问权限

GPU 支持计算 Hugging Face 嵌入

Meilisearch 1.7 具有为自托管 Meilisearch 启用 GPU 支持以计算 Hugging Face 嵌入的功能。这可以显着加快嵌入生成过程。

在我们的专门指南使用 GPU 计算 Hugging Face 嵌入中查找详细说明。

在搜索时显示排名分数详情

Meilisearch 1.7 稳定了 showRankingScoreDetails 搜索参数，该参数在 [Meilisearch 1.3](/blog/v1-3-release/#release-v1-7&utm_source=blog) 中引入。此参数向搜索结果中的每个文档添加了 _rankingScoreDetails 字段，从而可以进一步检查搜索结果。

您可以在进行搜索时包含该参数

curl 
  -X POST 'https://edge.meilisearch.com/indexes/movies/search' 
  -H 'Content-Type: application/json' 
  --data-binary '{
    "q": "batman",
    "showRankingScoreDetails": true
  }'

在 API 参考中了解有关 _rankingScoreDetails 对象以及如何在您首选的 SDK 中使用它的更多信息。

贡献者致谢

我们要衷心感谢所有为此次发布做出贡献的贡献者：@capJavert, @codesmith-emmy, @Elliot67 和 @Gosti 在 Meilisearch 中的 PR，以及 @agourlay, @choznerol, @ngdbao, @timvisee, 和 @xshadowlegendx 在 charabia 上的工作。

特别感谢我们的 SDK 维护者，感谢他们使 Meilisearch 可以在如此多的语言中使用。🫶

这就是 v1.7 的全部内容！此发布帖子重点介绍了最重要的更新。有关详尽的列表，请阅读Github 上的更新日志。

订阅我们的新闻通讯，随时了解 Meilisearch 的一切动态。要了解有关 Meilisearch 未来的更多信息并帮助塑造它，请查看我们的 路线图 并参与我们的 产品讨论。

对于其他任何问题，请加入我们在 Discord 上的开发者社区。