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
天天爱吃肉82184 分钟前
【跨界封神|周杰伦×王传福(陶晶莹主持):音乐创作与新能源NVH测试,底层逻辑竟完全同源!(新人必看入行指南)】
python·嵌入式硬件·算法·汽车
岱宗夫up17 分钟前
Python 数据分析入门
开发语言·python·数据分析
码界筑梦坊18 分钟前
325-基于Python的校园卡消费行为数据可视化分析系统
开发语言·python·信息可视化·django·毕业设计
asheuojj21 分钟前
2026年GEO优化获客效果评估指南:如何精准衡量TOP5关
大数据·人工智能·python
多恩Stone22 分钟前
【RoPE】Flux 中的 Image Tokenization
开发语言·人工智能·python
网安墨雨39 分钟前
Python自动化一------pytes与allure结合生成测试报告
开发语言·自动化测试·软件测试·python·职场和发展·自动化
powerfulhell1 小时前
寒假python作业5
java·前端·python
铉铉这波能秀1 小时前
LeetCode Hot100 中 enumerate 函数的妙用(2026.2月版)
数据结构·python·算法·leetcode·职场和发展·开发
毕设源码-赖学姐1 小时前
【开题答辩全过程】以 基于python的电影推荐系统为例,包含答辩的问题和答案
开发语言·python
敲键盘的生活1 小时前
MoneyPrinter重构之一:用nicegui调用大模型生成视频文案
python·重构·aigc·ai编程·ai写作