Meilisearch 向量存储即将到来，助力 AI 搜索

向量搜索可以高效检索具有相似特征的对象。这种 AI 驱动的搜索技术使用嵌入向量。这些向量是由机器学习模型（如 LLM）生成的对象的数学表示。从 1.3 版本开始，Meilisearch 支持存储和搜索向量。

驱动搜索的未来

向量搜索可能是搜索新时代的曙光。它的用例数不胜数。在电子商务中，它可以为类似产品提供推荐。它还允许构建多模式搜索，如图像或音频搜索。构建在对话式 AI 技术之上，可以创建问答应用程序。将向量搜索与用户提供的信息（如地理位置和搜索历史）相结合，可以为上下文搜索体验提供更强大的动力。

向量搜索也是语义搜索的基础，其目的是理解查询的含义。相反，传统的词汇搜索仅匹配关键词。借助语义搜索，保暖衣服查询可以给出手套、外套以及更多与冬季服装相关的结果。

向量搜索为搜索开启了全新的功能世界。看看一些用户已经实现的功能

• 类似视频推荐，在一个 Ruby 会议列表网站上
• 一个使用 GPT3.5 和 LangChain 的文档聊天机器人概念验证

Meilisearch 向量存储入门

从 v1.3 开始，您可以将 Meilisearch 用作向量存储。Meilisearch 允许您方便地将向量嵌入与您的文档一起存储。您需要使用您选择的第三方工具（Hugging Face、OpenAI）创建向量嵌入。

首先，启动一个 Meilisearch 实例。您可以本地安装 Meilisearch，或者创建一个 Meilisearch Cloud 帐户。

然后，启用向量存储实验性功能

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

Meilisearch 现在接受文档中的 _vector 字段。使用它来存储与此字段中的文档对应的向量嵌入。

curl -X POST -H 'content-type: application/json' 
     'localhost:7700/indexes/songs/documents' 
     --data-binary '[
         { "id": 0, "_vectors": [0, 0.8, -0.2], "title": "Across The Universe" },
         { "id": 1, "_vectors": [1, -0.2, 0], "title": "All Things Must Pass" },
         { "id": 2, "_vectors": [0.5, 3, 1], "title": "And Your Bird Can Sing" }
     ]'

在 Meilisearch 中存储向量化文档后，您可以使用 search 或 multi-search 路由查询它们。为此，您需要计算查询的向量（使用第三方工具）并在 vector 字段中发送它。

curl -X POST -H 'content-type: application/json' 
   'localhost:7700/indexes/songs/search' 
   --data-binary '{ "vector": [0, 1, 2] }'

使用向量搜索时，返回的文档包含一个 semanticScore 字段

{
  "hits": [
    { "id": 0, "_vectors": [0, 0.8, -0.2], "title": "Across The Universe", "_semanticScore": 0.6754 },
    { "id": 1, "_vectors": [1, -0.2, 0], "title": "All Things Must Pass", "_semanticScore": 0.7546 },
    { "id": 2, "_vectors": [0.5, 3, 1], "title": "And Your Bird Can Sing", "_semanticScore": 0.78 }
  ],
  "query": "",
  "vector": [0, 1, 2],
  "processingTimeMs": 0,
  "limit": 20,
  "offset": 0,
  "estimatedTotalHits": 2
}

迈向语义搜索的第一步

向量搜索是我们迈向语义搜索的第一步。但我们的长期目标是提供混合搜索——结合全文搜索和语义搜索的优势，以提供最相关的搜索体验。Meilisearch 的创始人兼 CTO Clément Renault 在 Github 上分享了他关于探索语义搜索的想法——阅读创始人的观点。我们迫不及待地想与您分享更多！

在下方留下您的电子邮箱，以了解更多关于我们 AI 驱动搜索的进展。我们将随时向您通报有关向量搜索和语义搜索的所有更新。

直接在您的收件箱中获取 Meilisearch AI 更新 💌

* 表示必填项

电子邮箱地址 *

营销许可

请选择您希望从 Meilisearch 接收资讯的所有方式

电子邮件

您可以随时取消订阅。

我们使用 Mailchimp 发送电子邮件。

我们很高兴迈出迈向语义搜索的第一步。我们迫不及待地想听到您关于将 Meilisearch 集成作为向量存储的想法。您可以在这个 Github 讨论中提供您的反馈。

您可以订阅我们的新闻通讯，以保持关注。要了解更多关于 Meilisearch 的未来并帮助塑造它，请查看我们的路线图并参与我们的产品讨论。

如有其他任何问题，请加入我们在 Discord 上的开发者社区。

在那里见。