向量儲存即將加入 Meilisearch，透過 AI 強化搜尋功能

向量搜尋能夠有效率地檢索具有相似特徵的物件。這種 AI 驅動的搜尋技術使用嵌入向量。這些向量是由機器學習模型（如 LLM）產生的物件的數學表示。從 1.3 版本開始，Meilisearch 支援儲存和搜尋向量。

為搜尋的未來提供動力

向量搜尋可能是搜尋新時代的開端。它的應用案例眾多。在電子商務中，它能夠提供類似產品的推薦。它還允許建立多模式搜尋，例如圖像或音訊搜尋。以對話式 AI 技術為基礎，能夠創建問答應用程式。將向量搜尋與使用者提供的資訊（如地理位置和搜尋歷史記錄）結合使用，可以提供更具情境意識的搜尋體驗。

向量搜尋也是語義搜尋的基礎，語義搜尋旨在理解查詢的含義。相反地，傳統的詞彙搜尋僅匹配關鍵字。透過語義搜尋，保暖衣物的查詢可能會給出手套、外套以及更多與冬季服裝相關的結果。

向量搜尋為搜尋開啟了全新的功能。看看一些使用者已經實現的功能

• 在列出 Ruby 會議的網站上推薦類似的影片
• 使用 GPT3.5 和 LangChain 的文件聊天機器人概念驗證

Meilisearch 向量儲存庫入門

從 v1.3 開始，您可以將 Meilisearch 作為向量儲存庫使用。Meilisearch 可讓您方便地將向量嵌入與文件一起儲存。您需要使用您選擇的第三方工具（Hugging Face、OpenAI）來建立向量嵌入。

首先，啟動 Meilisearch 執行個體。您可以在本機安裝 Meilisearch 或建立Meilisearch Cloud帳戶。

然後，啟用「向量儲存庫」實驗性功能

curl 
  -X PATCH 'https://127.0.0.1:7700/experimental-features/' 
  -H 'Content-Type: application/json'  
  --data-binary '{
    "vectorStore": true
  }'

Meilisearch 現在接受文件中包含 `_vector` 欄位。使用它來儲存此欄位中與您的文件對應的向量嵌入。

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" }
     ]'

在將向量化的文件儲存在 Meilisearch 中之後，您可以使用 `search` 或 `multi-search` 路由來查詢它們。若要執行此操作，您需要計算查詢的向量（使用第三方工具），並在 `vector` 欄位中傳送它。

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

使用向量搜尋時，傳回的文件會包含 `semanticScore` 欄位

{
  "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
}

邁向語義搜尋的第一步

向量搜尋是我們邁向語義搜尋的第一步。但我們的長期目標是提供混合搜尋功能，結合全文搜尋和語義搜尋的優點，以提供最相關的搜尋體驗。Meilisearch 的創始人兼 CTO Clément Renault 在 Github 上分享了他關於探索語義搜尋的想法 — 請閱讀創始人的觀點。我們迫不及待地想與您分享更多資訊！

請在下方填寫您的電子郵件，以了解更多有關我們在 AI 驅動搜尋方面的進展。我們會隨時向您發佈有關向量搜尋和語義搜尋的所有更新。

直接在您的收件匣中取得 Meilisearch AI 更新資訊💌

* 表示必填

電子郵件地址 *

行銷許可

請選擇您希望從 Meilisearch 接收訊息的所有方式

電子郵件

您可以隨時取消訂閱。

我們使用 Mailchimp 發送電子郵件。

我們很高興邁出邁向語義搜尋的第一步。我們迫不及待想聽到您關於將 Meilisearch 作為向量儲存庫整合的看法。您可以在這個 Github 討論中提供您的意見反應。

您可以訂閱我們的電子報，以隨時掌握最新動態。若要深入了解 Meilisearch 的未來並協助塑造它，請查看我們的路線圖並參與我們的產品討論。

如有任何其他問題，請加入我們在Discord上的開發人員社群。

期待在那裡見到您。