使用 Cohere 嵌入的語義搜尋

本指南將引導您設定 Meilisearch 與 Cohere 嵌入，以啟用語義搜尋功能。透過利用 Meilisearch 的 AI 功能和 Cohere 的嵌入 API，您可以增強搜尋體驗並檢索更相關的結果。

要遵循本指南，您需要：

• 一個執行 1.10 或以上版本並啟用了向量儲存的 Meilisearch Cloud 專案。
• 一個具有用於嵌入生成的 API 金鑰的 Cohere 帳戶。您可以在 Cohere 註冊 Cohere 帳戶。
• 無需後端。

若要在 Meilisearch 中設定嵌入器，您需要針對您的設定進行配置。您可以參考Meilisearch 文件，以取得關於更新嵌入器設定的更多詳細資訊。

Cohere 提供多種嵌入模型

• embed-english-v3.0 和 embed-multilingual-v3.0：1024 維度
• embed-english-light-v3.0 和 embed-multilingual-light-v3.0：384 維度

以下是 Cohere 的嵌入器設定範例

{
  "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}}",
        "{{..}}"
      ]
    },
  }
}

在此設定中

• source：指定嵌入器的來源，設定為「rest」以使用 REST API。
• apiKey：將 <Cohere API 金鑰> 替換為您的實際 Cohere API 金鑰。
• dimensions：指定嵌入的維度，對於 embed-english-v3.0 模型設定為 1024。
• documentTemplate：您可以選擇性地提供一個自訂範本，以從您的文件中產生嵌入。
• url：指定 Cohere API 端點的 URL。
• request：定義 Cohere API 的請求結構，包含模型名稱和輸入參數。
• response：定義 Cohere API 的預期回應結構，包含嵌入資料。

一旦您設定好嵌入器設定，Meilisearch 將會自動為您的文件產生嵌入，並將其儲存在向量儲存中。

請注意，大多數第三方工具都有速率限制，這由 Meilisearch 管理。如果您有免費帳戶，索引過程可能需要一些時間，但 Meilisearch 會使用重試策略來處理它。

建議監控任務佇列，以確保一切順利執行。您可以使用 Cloud UI 或Meilisearch API 來存取任務佇列。

完成嵌入器設定後，您現在可以使用 Meilisearch 執行語意搜尋。當您發送搜尋查詢時，Meilisearch 會使用已設定的嵌入器為查詢產生嵌入向量，然後使用它在向量儲存中找到語意上最相似的文件。若要執行語意搜尋，您只需要發出正常的搜尋請求，但要包含 hybrid 參數。

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

在此請求中：

• q：代表使用者的搜尋查詢。
• hybrid：指定混合搜尋的設定。
  • semanticRatio：可讓您控制語意搜尋與傳統搜尋之間的平衡。值為 1 表示純語意搜尋，而值為 0 則表示全文搜尋。您可以調整此參數以實現混合搜尋體驗。
  • embedder：用於產生嵌入向量的嵌入器名稱。請務必使用與嵌入器設定中指定的名稱相同的名稱，在本例中為「cohere」。

您可以使用 Meilisearch API 或用戶端函式庫來執行搜尋，並根據語意相似性檢索相關文件。

遵循本指南，您現在應該已設定好 Meilisearch 和 Cohere 嵌入功能，讓您可以在應用程式中利用語意搜尋功能。Meilisearch 的自動批次處理和高效的嵌入向量處理能力，使其成為將語意搜尋整合到專案中的強大選擇。

若要探索嵌入器的更多設定選項，請參閱關於嵌入器設定可能性的詳細文件。