我们很高兴推出 Meilisearch v1.7。在本文中，我们将回顾最具影响力的变化。有关完整列表，请查看 Github 上的更改日志。

🚀
Meilisearch 1.7 也在 Meilisearch 云 上可用 - 立即升级！

💡
AI 搜索是一项实验性功能，请阅读文档以 启用 AI 搜索。

新的 OpenAI 嵌入模型

从 Meilisearch 1.7 开始，您可以使用 OpenAI 的第三代嵌入模型

  • text-embedding-3-small
  • text-embedding-3-large

与之前的 text-embedding-ada-002 模型相比，这些新模型提供了改进，可以平衡搜索结果的相关性和成本效率。

small 模型更具成本效益，生成更小的向量嵌入，需要更少的存储空间。large 侧重于提供更高的搜索结果精度，使其成为优化相关性的理想选择。

配置 OpenAI 模型维度

使用新的 text-embedding-3-small 和 text-embedding-3-large OpenAI 模型时，您现在可以为您的模型配置 **维度**。如果未提供，将使用模型的默认维度。

您可以在更新设置时执行此操作

{
  // other settings...

  "embedders": {
    "small": {
      "source": "openAi",
      "model": "text-embedding-3-large",
      "dimensions": 512 // must be >0, must be <= 3072 for "text-embedding-3-large"
    },
  }
}

更高的维度通常提供更复杂的嵌入，这可能导致更准确的搜索结果。但是，更高的维度计算成本更高，需要更多存储空间。

⚠️
使用 OpenAI text-embedding-ada-002 时，您无法自定义维度。

在 Meilisearch 云上使用 AI 搜索

Meilisearch 混合搜索和向量搜索即将登陆 Meilisearch 云。我们每天都在发放邀请。加入测试版。👇

获取抢先体验

GPU 支持用于计算 Hugging Face 嵌入

Meilisearch 1.7 带来了为 自托管 Meilisearch 启用 GPU 支持以计算 Hugging Face 嵌入的功能。这可以显著加快嵌入生成过程。

在我们的专用指南中找到详细说明，该指南介绍了 使用 GPU 计算 Hugging Face 嵌入。

Meilisearch 1.7 稳定了在 Meilisearch 1.3 中引入的 showRankingScoreDetails 搜索参数。此参数在搜索结果中的每个文档中添加了一个 _rankingScoreDetails 字段，可以更深入地检查搜索结果。

您可以在进行搜索时包含该参数

curl \
  -X POST 'https://edge.meilisearch.com/indexes/movies/search' \
  -H 'Content-Type: application/json' \
  --data-binary '{
    "q": "batman",
    "showRankingScoreDetails": true
  }'

详细了解 _rankingScoreDetails 对象 以及如何在 API 参考中使用它与您首选的 SDK 一起使用。

贡献者致谢

我们要感谢所有使此版本成为可能的贡献者：@capJavert、@codesmith-emmy、@Elliot67 和 @Gosti 由于他们对 Meilisearch 的 PR，以及 @agourlay、@choznerol、@ngdbao、@timvisee 和 @xshadowlegendx 由于他们在 charabia 上的工作。

特别感谢我们的 SDK 维护者，感谢他们使 Meilisearch 在如此多的语言中可用。🫶

v1.7 的发布就是这样！这篇发布文章重点介绍了最重要的更新。有关完整列表，请阅读 Github 上的更改日志。

订阅我们的 新闻稿，随时了解 Meilisearch 的所有信息。要详细了解 Meilisearch 的未来并帮助塑造它，请查看我们的 路线图 并参与我们的 产品讨论。

有关其他任何事项，请加入我们的开发人员社区，在 Discord 上。