在 Meilisearch，我们一直致力于简化和优化搜索流程，优先考虑直观、用户友好和人性化的搜索体验。
在当今的搜索技术领域，关键词搜索 仍然发挥着至关重要的作用，通过特定的关键词快速定位内容。利用先进的算法和强大的索引，它确保用户能够在海量数据中找到相关信息。
然而，传统的关键词方法在理解用户意图方面存在固有的局限性，有时过于可预测和简单。这就是我们推出 Meilisearch 的 向量搜索 的原因，它旨在挑战和增强熟悉的关键词搜索模式。
向量搜索，面向 AI 增强的未来
向量搜索 在市场上的引入标志着搜索技术进入了一个新时代，拥有无数多功能的应用。在电子商务中，它可以根据相似性和多模态搜索功能（如图像、音频和视频搜索）提供产品推荐。向量搜索与对话式 AI 技术的融合为直观的问答应用打开了大门。添加用户数据（如地理位置和搜索历史记录）进一步扩展了其潜力。
新搜索技术除了传统关键词之外还增强了相关性，并通过语义理解超越了简单的关键词匹配。它能够理解意图，从[暖和的衣服] 查询中返回诸如[手套] 之类的结果。这些应用依赖于向量嵌入——一种带有语义信息的类型数据表示，使 AI 能够获得理解并保持长期记忆。向量嵌入存储在向量数据库中，表示不同的数据维度，对于理解模式和关系至关重要。AI 驱动的向量数据库在将搜索查询与答案匹配时会利用这些信息。
使搜索民主化
在数据丰富的时代，有效的内容发现不是一种奢侈，而是至关重要的。Meilisearch 的愿景将雄心壮志与可访问性相结合，旨在使尖端的搜索技术更具包容性。Meilisearch 的主要合作伙伴，如 Hugging Face，已经积极测试了 Meilisearch 的新向量数据库和存储功能。
Quentin de Quelen，Meilisearch 的首席执行官兼联合创始人，说：“Meilisearch 的混合搜索将使先进的搜索技术民主化，专注于简单性和开源可定制性。”
用向量搜索构建搜索的未来
此版本带来了语义和混合搜索功能，以增强图像、视频和音频搜索、电子商务产品推荐、精准个性化和直观的问答交互的应用程序。
以下是一些通过引入向量搜索而实现的潜在应用程序示例
- 语义理解：使您的搜索引擎能够像人类助手一样，以更对话的方式提供自然、上下文相关的结果
- 多格式功能：涵盖图像、音频和视频，确保多功能性。
- 个性化：根据用户行为和偏好进行更深入的理解，匹配偏好以获得量身定制的结果。
- 精准推荐：通过建议与用户真实兴趣相符的类似商品来增强发现体验。
- 提高准确性：通过深入了解每个搜索查询的含义，提高相关性和搜索准确性
搜索演进最终形成混合搜索
Meilisearch 的旅程通向混合搜索，它将传统的全文效率与语义搜索的创新和向量数据库的适应性相结合。混合方法使搜索解决方案能够满足由客户生成的数据源驱动的广泛用例。通过整合来自 OpenAI、Cohere AI 或 Hugging Face 等 AI 解决方案提供商的模型，Meilisearch 使用户能够校准向量嵌入并将他们的业务逻辑融入搜索引擎。
入门
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,
)
如果您想在没有 LangChain 的情况下使用 Meilisearch 的向量搜索功能，请选择您喜欢的语言并查看 此处相关的 SDK 文档。
想要获得开源的质量而无需管理您的服务器和服务？立即注册 Meilisearch Cloud 的免费试用。