向量数据库检索

if not self.collection:

raise RuntimeError("请先创建集合")

生成查询向量

query_embedding = self.generate_embedding(query_text)

搜索参数

search_params = {

"metric_type": "L2",

"params": {"nprobe": 16}

}

执行搜索

print(f"正在搜索相似文本: '{query_text}'")

print('--------query_embedding----------------')

print(query_text)

print(query_embedding)

print('--------query_embedding----------------')

results = self.collection.search(

data=[query_embedding],

anns_field="embedding",

param=search_params,

limit=top_k,

output_fields=["text", "metadata"]

)

print('-----------------------results--------------------')

print(results)

print('-----------------------results--------------------')

正在搜索相似文本: '人工智能是计算机科学的一个分支'

--------query_embedding----------------

人工智能是计算机科学的一个分支

0.0868442 0.03383261 0.8867534 0.40404728 0.25568193 0.8143026 0.9898358 0.13523214 0.7775536 0.1047672 0.97602385 0.24655622 0.26915395 0.24497598 0.3665343 0.46741247 0.68997544 0.2505883 0.06964615 0.03187205 0.52018636 0.62224406 0.69120926 0.9545073 0.08183594 0.01488718 0.15640016 0.5334772 0.21839626 0.68861496 0.1709311 0.20307513 0.6517363 0.6155564 0.7335377 0.94831115 0.8792044 0.95748454 0.6033911 0.2018383 0.930259 0.56085527 0.20518194 0.9262032 0.38187274 0.6069298 0.93542224 0.37852377 0.30073825 0.8376683 0.24371381 0.02810273 0.08106949 0.13087785 0.5004337 0.51431286 0.13320969 0.71445334 0.6194988 0.01581137 0.9501668 0.1934796 0.742703 0.70844597 0.1604538 0.6802646 0.34634224 0.5456539 0.46275988 0.16551328 0.83565605 0.6016001 0.61109984 0.30627385 0.97093976 0.99930257 0.29578993 0.5469492 0.28768337 0.31434414 0.5663442 0.45112413 0.2169044 0.6302972 0.9722437 0.02455941 0.8936516 0.8774959 0.57403 0.47009948 0.03824434 0.63443965 0.9589547 0.6899516 0.01201063 0.19486319 0.9027687 0.6574339 0.47412872 0.30099493 0.48049414 0.6311632 0.4573544 0.07649028 0.55467784 0.3708412 0.26274177 0.4506525 0.4223067 0.4124977 0.21018541 0.0047362 0.7705015 0.5451533 0.40615085 0.49359718 0.9902851 0.3093196 0.46972254 0.94213045 0.23006302 0.25168714 0.6346079 0.659631 0.18597034 0.1427686 0.00319374 0.07725212 0.248803 0.55326843 0.9220962 0.24718809 0.3429383 0.72895765 0.34254518 0.8834778 0.16492361 0.54141337 0.80008495 0.54066867 0.10767661 0.11337695 0.9722788 0.22725064 0.6083555 0.16575086 0.91433066 0.56114274 0.45415127 0.55633867 0.29271686 0.6290875 0.03038282 0.24328907 0.44549546 0.8016935 0.9557495 0.78130025 0.76477706 0.5649261 0.01037048 0.6484271 0.89897346 0.07986014 0.78563076 0.5275594 0.1287399 0.3641922 0.6627957 0.37034252 0.84199804 0.12278508 0.7041375 0.14166668 0.35956717 0.43021822 0.22173028 0.8375897 0.35586387 0.44742876 0.43792158 0.5106019 0.6179151 0.7982999 0.2936258 0.06909464 0.12378242 0.74651486 0.842421 0.35129678 0.2411833 0.10194065 0.05604327 0.47398013 0.03655601 0.18847401 0.66929865 0.5095275 0.64663976 0.80956185 0.13733079 0.04057472 0.34126204 0.83236104 0.33787668 0.7696634 0.50997025 0.02123572 0.9333264 0.22548226 0.20558542 0.16446085 0.05452509 0.74170697 0.9693923 0.35016173 0.27317715 0.22076762 0.13911383 0.3224318 0.62780064 0.01266924 0.60345036 0.77932215 0.20671229 0.09256509 0.6936266 0.9155535 0.43447575 0.8300272 0.13336998 0.7257102 0.5290116 0.6394721 0.46035555 0.28333265 0.7138636 0.09579473 0.03855465 0.08419628 0.28320348 0.25461447 0.36263362 0.10132778 0.6519665 0.13829006 0.12856436 0.02197313 0.95218045 0.53907984 0.8223095 0.8976899 0.68432736 0.323823 0.53508615 0.6927347 0.58701444 0.52786356 0.91721946 0.08061525 0.9977211 0.36784837 0.6412361 0.255943 0.42969427 0.16225992 0.00704757 0.31084278 0.5016951 0.93285614 0.35453308 0.12418976 0.88261133 0.08708221 0.57548743 0.84515256 0.971033 0.6419028 0.66201556 0.06947455 0.34324905 0.844067 0.8153894 0.8421173 0.9815654 0.25903043 0.46167833 0.45508775 0.5619033 0.47016808 0.8963042 0.95521957 0.11644958 0.32468733 0.99515224 0.8401741 0.01084056 0.67823964 0.5356839 0.26089817 0.72670436 0.2750553 0.49014148 0.40102965 0.8850007 0.91662025 0.22271399 0.38651085 0.34219617 0.04020097 0.4357878 0.43785694 0.5755065 0.24301112 0.91679806 0.35708296 0.10404775 0.40478405 0.11741883 0.21977386 0.0758483 0.75821483 0.2708614 0.22748029 0.66955537 0.5346489 0.67480105 0.09770001 0.99467295 0.9864922 0.3401579 0.66972685 0.01236195 0.33266217 0.13441859 0.19665805 0.29058382 0.98292196 0.71233046 0.28721112 0.08888026 0.690176 0.6657358 0.21345249 0.876079 0.7000211 0.6327144 0.43972552 0.09437454 0.29941922 0.4209495 0.7543784 0.32779083 0.11911198 0.6029227 0.8451076 0.28211638 0.4349335 0.7753495 0.51077855 0.06970291 0.46349403 0.96664506 0.25283307 0.85630757 0.6759779 0.8347701 0.24785449 0.93369955 0.6848017 0.01395762 0.9805456 0.9136605 0.85786355 0.3543869 0.5901738 0.52866274 0.553448 0.6957444 0.28894326 0.44469547 0.9105798 0.21184073 0.8289437

--------query_embedding----------------

-----------------------results--------------------

data: [[{'id': 462627561339618327, 'distance': 0.0, 'entity': {'text': '人工智能是计算机科学的一个分支', 'metadata': {'category': 'AI基础', 'priority': 1}}}, {'id': 462627561339618331, 'distance': 58.727821350097656, 'entity': {'text': '计算机视觉让机器能够理解图像', 'metadata': {'category': 'AI应用', 'priority': 3}}}, {'id': 462627561339618329, 'distance': 62.76405334472656, 'entity': {'text': '深度学习是机器学习的一个子集', 'metadata': {'category': '深度学习', 'priority': 2}}}]]

-----------------------results--------------------

相关推荐
知乎的哥廷根数学学派6 分钟前
基于注意力机制的多尺度脉冲神经网络旋转机械故障诊断(西储大学轴承数据,Pytorch)
人工智能·pytorch·python·深度学习·神经网络·机器学习
测试199810 分钟前
用Postman测WebSocket接口
自动化测试·软件测试·python·websocket·测试工具·接口测试·postman
l1t11 分钟前
数独优化求解C库tdoku-lib的使用
c语言·开发语言·python·算法·数独
小二·23 分钟前
Python Web 开发进阶实战:微前端架构初探 —— 基于 Webpack Module Federation 的 Vue 微应用体系
前端·python·架构
rgeshfgreh24 分钟前
回溯算法精解:排列、子集与组合
python·算法·深度优先
内存不泄露26 分钟前
人脸识别考勤系统
ide·vue.js·python
曲幽1 小时前
FastAPI缓存提速实战:手把手教你用Redis为接口注入“记忆”
redis·python·cache·fastapi·web·asyncio
no24544101 小时前
RAGFlow 全面接入 MinerU 2.0,支持 pipeline、vlm-transformers、vlm-sglang 三种模式,解析精度大幅度up
java·大数据·人工智能·python·ai·sglang
Hello.Reader1 小时前
CSV Format Flink / PyFlink 读写 CSV 的正确姿势(含 Schema 高级配置)
大数据·python·flink
小陈phd1 小时前
langGraph从入门到精通(三)——基于LangGraph的智能问答系统开发:Python单代理架构实战
开发语言·python·架构