[Easysearch](https://easysearch.cn) 提供了强大的向量搜索能力，打破传统关键词匹配的局限，实现真正的“懂你”的语义搜索。助力企业快速构建智能推荐、图像识别和内容理解等 AI 应用，释放数据深层价值。

核心能力

| 能力 | 说明 |
| ------------------- | --------------------------------------------------------------------------------------------------------- |
| 两种向量类型 | 稠密浮点向量（knn_dense_float_vector）和稀疏布尔向量（knn_sparse_bool_vector） |
| 多种索引模型 | lsh（局部敏感哈希，近似搜索）、permutation_lsh（置换 LSH）、sparse_indexed（倒排索引）、exact（精确搜索） |
| 多种相似度 | cosine（余弦）、l1（曼哈顿距离）、l2（欧氏距离）、jaccard、hamming |
| 与全文搜索融合 | 向量字段与文本字段存储在同一索引，支持 Hybrid 混合检索 |
| function_score 集成 | 向量相似度可作为 function_score 的评分函数 |

典型应用场景

• 语义搜索：文本通过 Embedding 模型转为向量，按语义相似度检索
  
• RAG 检索增强生成：为大语言模型提供知识库检索能力
  
• 推荐系统：用户/商品特征向量的相似推荐
  
• 图像/多模态搜索：图像特征向量的相似检索
  
• 去重与异常检测：通过向量距离判断内容相似度
  
  

  Embedding 服务
  

  
  在使用向量搜索前，先要准备一个 Embedding 模型，支持与 OpenAI API 兼容的 embedding 接口和 Ollama embedding 接口。本文使用阿里云上的 Embedding 模型进行演示。
  
  

  写入方法
  

  
  

  方法一：写入链路嵌入（推荐）
  

  
  在数据写入 Easysearch 时，通过 Ingest Pipeline 自动调用 Embedding 服务：
  
  应用写数据 → Easysearch → Ingest Pipeline → 调用 Embedding API → 写入向量字段
  
  优势是写入后即可搜索，无需维护外部向量化流程。需要确保集群应至少有一个节点拥有 ingest 角色。
  
  

  方法二：离线批处理
  

  
  在应用侧完成向量化，再将向量字段直接写入 Easysearch：
  
  原始数据 → 应用 → 调用模型 Embedding API → 写入 Easysearch（含向量字段）
  
  参考[文档](https://docs.infinilabs.com/ea ... earch/)。
  
  

  实战
  

  
  我们实战演示模式一，分为以下几个步骤：
  
  

  1. 建立带有向量字段的索引
     
  2. 创建对应的 Ingest Pipeline
     
  3. 写入数据到索引
     
     

     1. 建立带有向量字段的索引
     

     
     先建立一个带向量字段的索引，注意 dims 要与向量模型的输出匹配。
     
     plain<br /> PUT /my-index<br /> {<br /> "mappings": {<br /> "properties": {<br /> "text_vector": {<br /> "type": "knn_dense_float_vector",<br /> "knn": {<br /> "dims": 1024,<br /> "model": "lsh",<br /> "similarity": "cosine",<br /> "L": 99,<br /> "k": 1<br /> }<br /> }<br /> }<br /> }<br /> }<br /> <br />
     
     

     2. 创建对应的 Ingest Pipeline
     

     
     写入数据前先建立 Ingest Pipeline，注意 vendor 必须根据使用的模型来指定，比如本文使用的是阿里云 text-embedding-v4 模型，该模型提供了 OpenAI 格式的 API 接口，这里 vendor 我们就写 openai。
     
     plain<br /> PUT _ingest/pipeline/text-embedding-pipeline<br /> {<br /> "description": "用于生成文本嵌入向量的管道",<br /> "processors": [<br /> {<br /> "text_embedding": {<br /> "url": "<a href="https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings"" rel="nofollow" target="_blank">https://dashscope.aliyuncs.com ... ot%3B</a>,<br /> "vendor": "openai",<br /> "api_key": "xxxxxx",<br /> "text_field": "input_text",<br /> "vector_field": "text_vector",<br /> "model_id": "text-embedding-v4",<br /> "dims": 1024,<br /> "ignore_missing": false,<br /> "ignore_failure": false<br /> }<br /> }<br /> ]<br /> }<br /> <br />
     
     text_field：指定原始文本字段，Pipeline 会将该字段的内容转换成向量。
     
     vector_field：指定向量存储的字段，保存上面转换的向量。
     
     

     3. 写入数据
     

     
     plain<br /> POST /_bulk?pipeline=text-embedding-pipeline&pretty<br /> {"index": {"_index": "my-index", "_id": "1"}}<br /> {"input_text": "苹果发布了新款iPhone 15 Pro手机，搭载A17芯片"}<br /> {"index": {"_index": "my-index", "_id": "2"}}<br /> {"input_text": "特斯拉宣布将在上海建第二座超级工厂"}<br /> {"index": {"_index": "my-index", "_id": "3"}}<br /> {"input_text": "今天天气真好，阳光明媚适合去公园散步"}<br /> {"index": {"_index": "my-index", "_id": "4"}}<br /> {"input_text": "程序员用Python写了一个自动化数据清洗脚本"}<br /> {"index": {"_index": "my-index", "_id": "5"}}<br /> {"input_text": "故宫博物院推出了夏季特展，展出珍贵文物"}<br /> {"index": {"_index": "my-index", "_id": "6"}}<br /> {"input_text": "小明每天坚持跑步五公里，身体越来越健康"}<br /> {"index": {"_index": "my-index", "_id": "7"}}<br /> {"input_text": "人工智能大模型在自然语言处理领域取得突破"}<br /> {"index": {"_index": "my-index", "_id": "8"}}<br /> {"input_text": "这家咖啡店的拿铁口感丝滑，推荐给咖啡爱好者"}<br /> {"index": {"_index": "my-index", "_id": "9"}}<br /> {"input_text": "量子计算机有望在药物研发中发挥重要作用"}<br /> {"index": {"_index": "my-index", "_id": "10"}}<br /> {"input_text": "周末和朋友一起去爬山，山顶的风景美极了"}<br />
     
     
     
     

     4. 检查数据
     

     
     搜索索引数据，看看是否成功转换成了向量。可以看到原始数据保存在 input_text 字段中，其向量保存到了 text_vector。
     
     
     
     OK，下一步我们看看怎么方便地实现向量搜索。
     
     
     ---
     
     

     关于 Easysearch
     

     
     
     
     INFINI Easysearch 是一个分布式的搜索型数据库，实现非结构化数据检索、全文检索、向量检索、地理位置信息查询、组合索引查询、多语种支持、聚合分析等。Easysearch 可以完美替代 Elasticsearch，同时添加和完善多项企业级功能。Easysearch 助您拥有简洁、高效、易用的搜索体验。
     
     官网文档：<https://docs.infinilabs.com/easysearch>;
     
     ---
     
     相关文章：
     
     

• [Easysearch 向量搜索指南](https://docs.infinilabs.com/ea ... earch/)

1、OpenAI 发布 GPT-5.6 系列：三款模型、多智能体协作、全新安全体系
https://www.oschina.net/news/471754/gpt-5-6

2、Elasticsearch 深度搜索与查询 DSL 实战：精准定位数据的核心技法
https://cloud.tencent.com/deve ... 15508

3、Elaticsearch 向量迁 Easysearch：别只改字段名
https://mp.weixin.qq.com/s/hEUcF36emuFafSeOlR-dyg

4、大数据量分页，Easysearch 是如何避免性能陷阱的
https://mp.weixin.qq.com/s/BNN4wrKOeog8nRoOUaa2Vw

编辑：Fred 
更多资讯：http://news.searchkit.cn

1.Embodied3D-DataAgent：基于阿里云 Elastic+AI Agent Builder 的具身机器人 3D 资产全链路数据智能体
https://blog.csdn.net/UbuntuTo ... 76175

2.Semantic_text 字段默认嵌入模型变为 .jina-embeddings-v5-text-small
https://blog.csdn.net/UbuntuTo ... 31729

3.百万Token上下文窗口，正在成为Agent最大的技术负债
https://mp.weixin.qq.com/s/1N4WZHjbRsRIpqiEGDXaBw



编辑：kin122    
更多资讯：http://news.searchkit.cn

1、一个 OTLP 端点，三个团队，零路由规则：Elasticsearch Streams AI 分区
https://elasticstack.blog.csdn ... 70873

2、谁来评判评判者？在 Elasticsearch Workflows 中使用 LLM-as-a-Judge
https://elasticstack.blog.csdn ... 51391

3、如何使用 OpenTelemetry 在 Elastic 上构建搜索分析，无需额外的管道
https://elasticstack.blog.csdn ... 15352

4、Agent 评测：方法论与体系设计
https://mp.weixin.qq.com/s/7a2L-GatYYwI6s1uK9mTjA

5、一份可信来源，终结 Skill 管理混乱：Skill 治理最佳实践
https://mp.weixin.qq.com/s/b88VRdAQ2u7IhQBqvNcnVg

编辑：Muse
更多资讯：http://news.searchkit.cn

1. 当 AI Agent 开始使用数据库，数据库应该变成啥样子？
https://mp.weixin.qq.com/s/GEZFQXx3dXltS8kYvJGguw
2.用 HAMi 与 vCluster 搭建一个迷你本地 AI 工厂
https://mp.weixin.qq.com/s/NCEJ5rGIPHbepdhO_LV6NA
3. 实现搜索反馈回路
https://spinscale.de/posts/202 ... .html

编辑：Se7en
更多资讯：http://news.searchkit.cn

1. Embedding 模型选型：OpenAI / 通义 / BGE / Jina 效果与成本对比
https://mp.weixin.qq.com/s/aKZxOL_AOcJR5z5H_czYNQ

2.简短查询，正式文档： HyDE 如何在 Elasticsearch 中将语义搜索精度提升了 50%
https://blog.csdn.net/UbuntuTo ... 82914

3.不要再在账单日才发现你的 Claude 账单：Anthropic API 监控现已进入 Elastic
https://elasticstack.blog.csdn ... 40183

4.Elasticsearch 与 OpenSearch 2026：终极搜索引擎对比
https://tech-insider.org/elast ... 2026/





编辑：kin122    
更多资讯：http://news.searchkit.cn

1、金融风控实时查询平台：Easysearch 在反欺诈场景的应用
https://mp.weixin.qq.com/s/DrO11iB4h_ieheu8I9uHIg

2、30分钟上手：Docker 部署 Easysearch 完整教程
https://mp.weixin.qq.com/s/g2JqCJwkVsUdMBW9ti_aHA

3、Elasticsearch：日志领域的最佳，如今也是指标领域的最佳
https://elasticstack.blog.csdn ... 78471

4、一条命令。自然语言。你的 Elasticsearch 数据，直接进入终端
https://elasticstack.blog.csdn ... 16104

5、AutoResearch-LLM：让 Agent 接手 LLM 训练优化
https://mp.weixin.qq.com/s/9qEgOV9FGk6u9_9zMLSI6A

编辑：Muse
更多资讯：http://news.searchkit.cn

1. 部署 Apache SeaTunnel 2.3.11 还能这么玩？手把手教你用 Docker 丝滑同步 Kafka 数据到 Hive 和 ES！（需要梯子）  
https://dev.to/seatunnel/deplo ... -1kgi

2. 看清别人看不见的盲区！对话 Gigamon COO 深度解读安全与可观测性！  
https://www.elastic.co/blog/gigamon-partnership

3. 可观测性架构变天了？从搜索堡垒走向统一数据库的演进之路！（需要梯子）  
https://chenemiabrahams.medium ... 739eb

4. 别再怪你的 AI 智商低了，其实是你的数据底座没搭好！  
https://www.elastic.co/blog/ai ... xxing

5. 降本增效大招！Elastic Observability 指标计费更新，性能更强价格更香！  
https://www.elastic.co/blog/metrics-pricing


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

1、Easysearch 在站内搜索、电商检索等业务场景中的应用
https://mp.weixin.qq.com/s/m2UMBTYEPoNOyrdG1-jRDw

2、RAG 准确率上不去？先别换模型，搞清楚你的 "命中率" 死在哪里
https://www.toutiao.com/articl ... 2566/

3、Zvec：内嵌式向量检索引擎，全端低延迟向量检索解决方案
https://www.toutiao.com/articl ... 6578/

4、我如何在 Elasticsearch 中实现查询性能的深度调优
https://blog.51cto.com/u_16213567/14700530

5、Easysearch 索引胖了三成？两个 Mapping 写法我改完立刻瘦下去
https://mp.weixin.qq.com/s/5bu ... %3D17

编辑：Fred
更多资讯：http://news.searchkit.cn

1.我们推出了开源版Claude Tag，以及它背后记忆与工具引擎 MFS
https://mp.weixin.qq.com/s/2YjxvuXPNJCz7JSbilsF8w
2.英伟达力荐，小团队两个月开源一款「光速级」智能体推理引擎
https://mp.weixin.qq.com/s/dx8T76mEGxbySqTH88X94g
3.万字深度|做了8年向量数据库后，我们决定为Milvus重构AI时代的存储引擎
https://mp.weixin.qq.com/s/8hnMM3tdzWd6UrmrtonYnw

编辑：Se7en
更多资讯：http://news.searchkit.cn

1. 比FAISS快200倍，Apache开源。伯克利这个新算法让GPU上的K-Means彻底起飞
https://mp.weixin.qq.com/s/zSjNWjnDuZqI_teie8Z47A

2.向量、索引、Faiss、Milvus 到底是什么关系
https://mp.weixin.qq.com/s/Iu0RZgewZ1HhOt27oKLP_A

3.DiskANN：面向 SSD 的大规模图索引
https://mp.weixin.qq.com/s/fABsTYNab_MA_gal_tqRdQ

4.Elasticsearch 不愿公开命名的 hash()，以及证明它是 Murmur3 的 12 个字节
https://elasticstack.blog.csdn ... 30194

5.jina-clip-v2 为 Elasticsearch 带来覆盖 89 种语言的文本到图像搜索，无需 GPU
https://elasticstack.blog.csdn ... 56813



编辑：kin122    
更多资讯：http://news.searchkit.cn

1. 白嫖 ES 的 RRF？一文看懂许可限制、绕过姿势与 OpenSearch 替代方案！（需要梯子）  
https://dev.to/u11d/reciprocal ... -56jk

2. 打通任督二脉！手把手教你用 Bold Data Hub 将 MySQL 丝滑同步至 Elasticsearch！（需要梯子）  
https://dev.to/boldbi/integrat ... -3g63

3. Elastic 变天了？CEO Ash Kulkarni 内部组织架构调整全员信解读！  
https://www.elastic.co/blog/ce ... oyees

4. 安全防线升级！迁移到 Elastic Security 助数字安全公司降低 85% 故障，UnderDefense 实战分享！  
https://www.elastic.co/blog/el ... fense

5. 免费版 ES 上的 RRF：超实用的开源许可证规避指南与避坑姿势！（需要梯子）  
https://medium.com/u11d-tech-b ... e285f


编辑：斯蒂文  
更多资讯：http://news.searchkit.cn

1、Elasticsearch ES|QL：现已支持视图、子查询和读取时模式定义
https://elasticstack.blog.csdn ... 28311

2、与你的 Elasticsearch 数据对话：使用 Google ADK 和 MCP 构建一个实时语音 agent ，分为 3 个组件
https://blog.csdn.net/UbuntuTo ... 83519

3、火种&起源：一个运营从0到1搭建CI自动化流水线的实战记录
https://mp.weixin.qq.com/s/GNEshVzcCV5HvGJXSQ4W6w

4、Easysearch 索引生命周期管理（ILM）：自动处理冷热数据
https://mp.weixin.qq.com/s/5Tb0bFNBE1gfjyQ7xcZq7g

5、Easysearch 性能优化实践：高并发、大数据量下的索引与搜索优化
https://mp.weixin.qq.com/s/webvXtf6PyMkXTnb_x1HtQ

编辑：Muse
更多资讯：http://news.searchkit.cn

1、去哪儿网-ES分片运维实战：从原理到十万级分片治理
https://mp.weixin.qq.com/s/YxRGwfHImAI8hO5Xf499tA

2、MongoDB 全文索引 与 展示查询数据的一部分，提高性能
https://mp.weixin.qq.com/s/LqChlWycoTYx-1f4anwbSA

3、Easysearch 索引生命周期管理（ILM）：自动处理冷热数据
https://mp.weixin.qq.com/s/5Tb0bFNBE1gfjyQ7xcZq7g

4、我如何在 Elasticsearch 中实现查询性能的深度调优
https://blog.51cto.com/u_16213567/14700530

5、Easysearch vs MySQL
https://easysearch.cn/knowledg ... rison

编辑：Fred
更多资讯：http://news.searchkit.cn