10 分钟上手 Elasticsearch 语义搜索（Serverless & Cloud 本地双版本教程）

1. 场景 & 术语速览

2. 环境准备

Serverless（推荐新同学）

1. 进入 Elasticsearch → Home
2. 选择 “Semantic search workflow” → Create a semantic-optimized index
3. 自动创建向量索引 + 示例数据

Elastic Cloud / 本地集群

# Kibana DevTools / Console
PUT /semantic-index

• 需 superuser（本地）或 开发者 / 管理员（Cloud）角色
• 若初次加载 ELSER，模型会在后台下载（1-5 分钟）

3. 创建向量索引 & 映射

PUT /semantic-index/_mapping
{
  "properties": {
    "content": {        # 任意字段名
      "type": "semantic_text"
      # 嵌入模型自动 = ELSER
    }
  }
}

为什么选 semantic_text？

• 默认填好稀疏向量参数
• 自动拆分大段文本、做 chunking
• 查询时 match / knn 语法保持一致

4. 批量写入示例文档

POST /_bulk?pretty
{ "index": { "_index": "semantic-index" } }
{ "content": "Yellowstone National Park …" }
{ "index": { "_index": "semantic-index" } }
{ "content": "Yosemite National Park …" }
{ "index": { "_index": "semantic-index" } }
{ "content": "Rocky Mountain National Park …" }

• 若 408/504 超时：等待模型加载完后重试
• 文本会被 自动切片 + 编码为稀疏向量

5. Discover 浏览 & ES | QL 入口

1. Kibana 左侧导航 → Discover
2. 选中 semantic-index
3. 任意文档点击 “⬆️” 展开查看字段
4. 顶栏 → Try ES|QL 打开查询编辑器

6. ES | QL 语义检索

6.1 入门查询

FROM semantic-index
| WHERE content: "what's the biggest park?"
| LIMIT 10

• content: 语法自动走 语义匹配（ELSER 稀疏向量）
• LIMIT 控制返回行数

6.2 查看相关性分值并排序

FROM semantic-index METADATA _score
| WHERE content: "best spot for rappelling"
| KEEP content, _score
| SORT _score DESC
| LIMIT 10

查看结果：Rocky Mountain National Park… 通常排第 1，最适合攀岩。

7. 整个查询走 REST API（脚本 / 自动化用）

POST /_query?format=txt
{
  "query": """
    FROM semantic-index METADATA _score
    | WHERE content: "best spot for rappelling"
    | KEEP content, _score
    | SORT _score DESC
    | LIMIT 10
  """
}

删除样例数据：

DELETE /semantic-index

8. 常见问题 FAQ

9. 深度扩展方向

1. Hybrid Search：{ "multi_match": … } + knn / semantic weight 融合
2. Dense Vector：接入 OpenAI / HuggingFace Embedding，自定义 dense_vector 字段
3. RAG：向量检索 + LLM Prompt，构建企业检索增强生成 (Retrieval-Augmented Generation)
4. A/B Relevance：使用 [Search Playground] 比较 BM25 vs ELSER 召回质量
5. Serverless Pipeline：结合 Elastic Serverless 功能，0 DevOps 成本托管向量索引