想要更好地控制您的搜索设置?了解我们的灵活的基础设施定价

回到主页Meilisearch 的标志
返回文章

介绍混合搜索:结合全文搜索和语义搜索以实现最佳平衡

Meilisearch 的 AI 之旅始于去年夏天的向量搜索和存储。今天,我们推出了带有自动生成嵌入器的混合搜索,以提升我们的 AI 能力。

2024年3月4日3分钟阅读
Maya Shin
Maya ShinMeilisearch 市场部主管mayya_shin
Introducing hybrid search: combining full-text and semantic search for optimal balance
分享文章

3月7日,我们举办了一场在线展示会,介绍了混合搜索及其他 Meilisearch 产品更新。可在此处观看录像并查看混合搜索演示:这里


AI 技术的飞速发展无疑正在重塑人机交互。过去,与机器通信需要编程语言和结构化脚本等中间媒介。

现在,随着 GPT 和 AI 辅助机器人的出现,机器学习模型正逐渐深入理解自然人类语言。这种演变拉近了人与机器的距离,改变了我们寻找和获取信息的方式。

从基于关键词的搜索到发现驱动的查询,人们的搜索方式正在演变:我们正在从搜索已知项转向探索未知领域,搜索和查找概念,而不仅仅是关注单词。

以流媒体公司为例:其平台上的搜索可能包括对特定电影名称的查询,例如“回到未来”,以及概念驱动的搜索,例如“推荐一部80年代的令人愉悦的科幻电影”。

考虑日常生活场景:在街上看到一件物品并使用图像搜索它,或者进行语音搜索而不是在键盘上输入文字。这些都是我们搜索行为变化的体现。

传统搜索方法在基于关键词的查询方面表现出色,但在处理复杂、细致的请求时却力不从心。Meilisearch 的新型混合搜索方法应运而生,它通过语义理解的深度,丰富了我们强大全文搜索引擎的效率和准确性,满足了由客户生成数据驱动的各种用例。

通过集成来自 OpenAI 等 AI 巨头的模型(开源嵌入生成功能将在下一个发布周期推出),Meilisearch 允许用户创建和微调向量嵌入,根据特定的业务需求定制其搜索引擎。此外,不断发展的 AI 模型还会从用户交互中学习,持续提高搜索精度。

新版本包含了哪些内容?

Meilisearch 的 AI 增强型混合搜索利用了我们现有的强大搜索基础设施,其中包括高级排序、过滤、分面和地理排序等功能。

新版本功能

  • 增强搜索相关性:AI 增强层带来了更深层次的语义理解,显著提高了结果质量。
  • AI 嵌入器自动生成:可以选择使用第三方解决方案(如 OpenAI)或您自己本地生成的嵌入。开源嵌入器生成功能将在下一个发布周期推出。

在 Meilisearch Cloud 中添加新的 AI 嵌入器。

  • 改进的提示:经过增强,可纳入关键信息模板,帮助系统摄取提示并解释相关元数据。
  • 语义比率控制:自定义您的搜索,使其范围从纯粹基于关键词到完全语义化。

选择您希望结果落在纯关键词搜索到完全语义搜索的哪个范围内。

  • 多模态搜索功能:扩展搜索功能以包括图像、声音和视频内容。

搜索大众化

在 Meilisearch,我们的旅程始终以简单、高性能和开箱即用的相关性为基础。我们的核心使命始终如一:为每个团队提供一流的搜索解决方案,让任何人都能轻松找到任何地方的任何东西。

“Meilisearch 的混合搜索将使先进的搜索技术大众化,专注于简单性和开源可定制性。”
- Quentin de Quelen,Meilisearch 首席执行官兼联合创始人。

随着我们的发展,我们的方法也变得更加复杂,以适应企业和开发人员不断变化的需求。在一个数据丰富的世界里,有效的内容发现至关重要,而不仅仅是奢侈品。我们的愿景将创新与可访问性相结合,旨在让尖端搜索技术惠及所有人。

我们混合搜索产品的发布标志着 Meilisearch 和搜索技术领域的一个重要里程碑。我们邀请您尝试这个新解决方案(现已普遍可用),并与我们一起塑造搜索的未来。


通过订阅我们的新闻通讯,保持联系。要了解更多关于 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

欲了解其他信息,请加入我们在Discord上的开发者社区。

What is RAG (Retrieval-Augmented Generation) & how it works?

什么是 RAG(检索增强生成)及其工作原理?

RAG(检索增强生成)的完整指南。了解它的含义、工作原理、不同 RAG 类型、RAG 系统的组成部分等等。

Ilia Markov
Ilia Markov2025 年 8 月 14 日
Meilisearch 1.16

Meilisearch 1.16

Meilisearch 1.16 引入了多模态嵌入和新的 API,用于在实例之间传输数据。

Laurent Cazanove
Laurent Cazanove2025年8月5日
Meilisearch July updates

Meilisearch 七月更新

Meilisearch 每月总结。2025 年 7 月版。

Laurent Cazanove
Laurent Cazanove2025 年 7 月 31 日
© . This site is unofficial and not affiliated with Meilisearch.