Elasticsearch AI搜索介绍

方案架构

图1 Elasticsearch AI搜索

在Elasticsearch AI搜索方案中，搜索大模型通过插件集成于Elasticsearch集群，负责调度模型服务与向量索引管理；而CSS向量数据库则存储由大模型生成的向量数据，支持高效相似性检索。

数据写入流程：

1. 输入原始数据(文本或非文本)。
2. 非文本数据先经过OCR服务转换为文本。
3. 文本数据通过Embedding模型服务转换为向量。
4. 向量数据存储到CSS向量数据库中。

数据查询流程：

1. 用户查询Query通过Embedding模型服务转换为向量。
2. 在Elasticsearch集群中进行向量相似度搜索，召回TOP K相关文档。
3. （可选）通过精排模型服务对结果进行重排序。
4. （可选）通过LLM大语言模型对结果进行后处理生成答案。
5. 返回最终结果给用户。

使用流程

1. 开启搜索大模型插件：在Elasticsearch集群启用搜索大模型插件。具体操作请参见开启搜索大模型插件。
2. 配置模型服务：通过搜索大模型插件配置业务所需的模型服务，如Embedding、精排、LLM等模型服务。具体操作请参见配置模型服务。
3. 配置索引：将配置好的模型服务关联到向量索引，为索引赋予AI处理能力。具体操作请参见将模型服务关联到向量索引。
4. 导入数据：将业务数据写入Elasticsearch集群，系统自动调用搜索大模型进行向量转换和存储。支持通过Bulk接口批量写入向量数据。
5. 执行搜索/文档问答：使用multi_match查询语句触发AI搜索流程，系统自动完成语义向量化、多路召回或结果精排，在问答场景还会调用LLM生成结构化答案。语义搜索请参见语义查询。

约束限制