Meilisearch 向量搜尋與向量資料庫介紹，引領您探索搜尋的未來

在 Meilisearch，我們長期以來一直致力於透過優先考量直觀、使用者友善和類人搜尋體驗，來簡化和精簡搜尋流程。

在當今的搜尋技術領域中，關鍵字搜尋 仍然扮演著關鍵角色，透過特定的關鍵字快速定位內容。 憑藉先進的演算法和強大的索引功能，它確保使用者可以在龐大的資料量中找到相關資訊。

然而，傳統的關鍵字方法在理解使用者意圖方面存在固有的局限性，而且有時可能過於可預測和簡單。 這就是我們引入 Meilisearch 的 向量搜尋 的原因，旨在挑戰和增強熟悉的關鍵字搜尋模式。

用於 AI 增強未來的向量搜尋

向量搜尋在市場上的廣泛引入，標誌著搜尋技術新時代的到來，具有無數種多功能應用。在電子商務中，它根據相似性和多模式搜尋功能（如圖像、音訊和視訊搜尋）提供產品推薦。向量搜尋與對話式 AI 技術的融合，為直觀的問答應用開啟了大門。新增使用者資料（如地理位置和搜尋歷史記錄）進一步擴展了其潛力。

新的搜尋技術透過語義理解增強了傳統關鍵字的相关性，超越了簡單的關鍵字匹配。 它能夠理解意圖，從 [保暖衣物] 查詢中返回 [手套] 等結果。 這些應用程式依賴於向量嵌入，這是一種具有語義資訊的資料表示形式，使 AI 能夠獲得理解並保持長期記憶。 嵌入儲存在向量資料庫中，代表不同的資料維度，對於理解模式和關係至關重要。 然後，AI 驅動的向量資料庫在將搜尋查詢與答案匹配時利用此資訊。

將搜尋民主化

在資料豐富的世界中，有效的內容探索並非奢侈品，而是至關重要的。 Meilisearch 的願景在雄心壯志和可訪問性之間取得平衡，旨在使尖端的搜尋技術具有包容性。 Meilisearch 的主要合作夥伴，例如 [Hugging Face](/blog/hugging-face-democratizes-ai/)，已經在積極測試 Meilisearch 新的向量資料庫和儲存功能。

Meilisearch 的執行長兼共同創辦人 Quentin de Quelen 表示：「Meilisearch 的混合搜尋將使先進的搜尋技術民主化，專注於簡潔性和開放原始碼的客製化。」

使用向量搜尋構建搜尋的未來

此版本帶來了語義和混合搜尋功能，以增強圖像、視訊和音訊搜尋的應用、電子商務的產品推薦、精確的個人化以及直觀的問答互動。

以下是一些透過引入向量搜尋實現的潛在應用範例

• 語義理解：讓您的搜尋引擎充當類人助手，以更對話的方式提供自然、依據上下文的結果
• 多格式功能：涵蓋圖像、音訊和視訊，確保多功能性。
• 個人化：根據對使用者行為和偏好的更深入理解，比對偏好以提供量身打造的結果。
• 精確推薦：透過建議與使用者真正興趣一致的類似項目，增強探索體驗。
• 提高準確性：透過深入理解每個搜尋查詢的意義，提高相關性和搜尋準確性

搜尋演變最終形成混合搜尋

Meilisearch 的歷程引領我們走向混合搜尋，它結合了傳統全文檢索效率、語義搜尋的創新以及向量資料庫的適應性。 混合方法使搜尋解決方案能夠滿足由客戶產生的資料來源所驅動的廣泛用例。 透過整合來自 OpenAI、Cohere AI 或 Hugging Face 等 AI 解決方案供應商的模型，Meilisearch 使使用者能夠校準向量嵌入，並將其業務邏輯注入搜尋引擎中。

入門指南

from langchain.vectorstores import Meilisearch
from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.document_loaders import JSONLoader

# Load documents
loader = JSONLoader(
    file_path="./movies.json",
    jq_schema=".[] | {id: .id, title: .title, overview: .overview}",
    text_content=False,
)
documents = loader.load()

# Index documents
embeddings = OpenAIEmbeddings()
vector_store = Meilisearch.from_documents(documents=documents, embedding=embeddings)

# Search
query = "superhero fighting villains in a city corrupted by crime"
results = vector_store.similarity_search(
    query=query,
    k=3,
)

如果您想在沒有 LangChain 的情況下使用 Meilisearch 向量搜尋功能，請選擇您最喜歡的語言並查看此處的相關 SDK 文件。

想要開放原始碼的品質，又不想為管理伺服器和服務而煩惱？ 今天就註冊 Meilisearch Cloud 的免費試用。