使用 Cohere 嵌入的语义搜索

    简介

    本指南将引导您完成使用 Cohere 嵌入设置 Meilisearch 的过程,以启用语义搜索功能。通过利用 Meilisearch 的 AI 功能和 Cohere 的嵌入 API,您可以增强搜索体验并检索更相关的结果。

    要求

    要遵循本指南,您需要:

    设置 Meilisearch

    要在 Meilisearch 中设置嵌入器,您需要将其配置为您的设置。您可以参考 Meilisearch 文档,了解有关更新嵌入器设置的更多详细信息。

    Cohere 提供多种嵌入模型:

    以下是 Cohere 的嵌入器设置示例

    {
      "cohere": {
        "source": "rest",
        "apiKey": "<Cohere API Key>",
        "dimensions": 1024,
        "documentTemplate": "<Custom template (Optional, but recommended)>",
        "url": "https://api.cohere.com/v1/embed",
        "request": {
          "model": "embed-english-v3.0",
          "texts": [
            "{{text}}",
            "{{..}}"
          ],
          "input_type": "search_document"
        },
        "response": {
          "embeddings": [
            "{{embedding}}",
            "{{..}}"
          ]
        },
      }
    }
    

    在此配置中:

    配置嵌入器设置后,Meilisearch 将自动为您的文档生成嵌入并将其存储在向量存储中。

    请注意,大多数第三方工具都有速率限制,Meilisearch 会管理这些限制。如果您有免费帐户,索引过程可能需要一些时间,但 Meilisearch 将使用重试策略来处理它。

    建议监控任务队列以确保一切运行顺利。您可以使用 Cloud UI 或 Meilisearch API 访问任务队列。

    在设置好嵌入器后,您现在可以使用 Meilisearch 执行语义搜索。当您发送搜索查询时,Meilisearch 将使用配置的嵌入器为该查询生成嵌入向量,然后使用该向量在向量存储中查找语义上最相似的文档。要执行语义搜索,您只需发出一个普通的搜索请求,但需要包含混合参数。

    {
      "q": "<Query made by the user>",
      "hybrid": {
        "semanticRatio": 1,
        "embedder": "cohere"
      }
    }
    

    在此请求中:

    您可以使用 Meilisearch API 或客户端库执行搜索,并根据语义相似性检索相关文档。

    结论

    通过遵循本指南,您现在应该已经设置好带有 Cohere 嵌入的 Meilisearch,使您能够在应用程序中利用语义搜索功能。Meilisearch 的自动批处理和高效处理嵌入向量使其成为将语义搜索集成到项目中的强大选择。

    要探索有关嵌入器的更多配置选项,请参阅关于嵌入器设置可能性的详细文档