使用 Voyage AI embeddings 的语义搜索

    简介

    本指南将引导你完成使用 Voyage AI embeddings 设置 Meilisearch 以启用语义搜索功能的过程。通过利用 Meilisearch 的 AI 功能和 Voyage AI 的 embedding API,你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,你需要:

    设置 Meilisearch

    要在 Meilisearch 中设置 embedder,你需要将其配置到你的设置中。你可以参考 Meilisearch 文档,了解有关更新 embedder 设置的更多详细信息。

    Voyage AI 提供以下 embedding 模型:

    以下是 Voyage AI 的 embedder 设置示例:

    {
      "voyage": {
        "source": "rest",
        "apiKey": "<Voyage AI API Key>",
        "dimensions": 1024,
        "documentTemplate": "<Custom template (Optional, but recommended)>",
        "url": "https://api.voyageai.com/v1/embeddings",
        "request": {
          "model": "voyage-2",
          "input": ["{{text}}", "{{..}}"]
        },
        "response": {
          "data": [
            {
              "embedding": "{{embedding}}"
            },
            "{{..}}"
          ]
        }
      }
    }
    

    在此配置中:

    配置 embedder 设置后,Meilisearch 将自动为你的文档生成 embeddings 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,这由 Meilisearch 管理。如果你拥有免费账户,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。你可以使用 Cloud UI 或 Meilisearch API 访问任务队列。

    设置好 embedder 后,你现在可以使用 Meilisearch 执行语义搜索。当你发送搜索查询时,Meilisearch 将使用配置的 embedder 为查询生成 embedding,然后使用它在向量存储中查找语义上最相似的文档。要执行语义搜索,你只需发出正常的搜索请求,但包含 hybrid 参数:

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

    在此请求中:

    你可以使用 Meilisearch API 或客户端库来执行搜索并检索基于语义相似性的相关文档。

    结论

    按照本指南,你现在应该已经使用 Voyage AI embedding 设置了 Meilisearch,从而使你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的 embedding 处理使其成为将语义搜索集成到项目中的强大选择。

    要探索嵌入器的更多配置选项,请查阅关于嵌入器设置可能性的详细文档