Link Search Menu Expand Document Documentation Menu
文档

模板查询

2.19 版本引入

使用 template 查询创建包含占位符变量的搜索查询。占位符使用 "${variable_name}" 语法指定（请注意，变量必须用引号括起来）。当你提交搜索请求时，这些占位符在被搜索请求处理器处理之前保持未解析状态。当你的初始搜索请求包含需要在运行时转换或生成的数据时，此方法特别有用。

例如，在使用 ml_inference 搜索请求处理器时，你可能会使用模板查询，该处理器在搜索过程中将文本输入转换为向量嵌入。处理器将在执行最终查询之前，用生成的值替换占位符。

有关完整示例，请参阅使用模板查询进行查询重写。

示例

以下示例展示了一个模板 k-NN 查询，其中包含一个 "vector": "${text_embedding}" 占位符。占位符 "${text_embedding}" 将被 ml_inference 搜索请求处理器从 text 输入字段生成的嵌入替换。

GET /template-knn-index/_search?search_pipeline=my_knn_pipeline
{
  "query": {
    "template": {
      "knn": {
        "text_embedding": {
          "vector": "${text_embedding}", // Placeholder for the vector field
          "k": 2
        }
      }
    }
  },
  "ext": {
    "ml_inference": {
      "text": "sneakers" // Input text for the ml_inference processor
    }
  }
}

要将模板查询与搜索请求处理器一起使用，你需要配置一个搜索管道。以下是 ml_inference 搜索请求处理器的一个示例配置。input_map 将文档字段映射到模型输入。在此示例中，文档中的 ext.ml_inference.text 源字段被映射到 inputText 字段，即模型的预期输入字段。output_map 将模型输出映射到文档字段。在此示例中，模型的 embedding 输出字段被映射到文档中的 text_embedding 目标字段。

PUT /_search/pipeline/my_knn_pipeline
{
  "request_processors": [
    {
      "ml_inference": {
        "model_id": "Sz-wFZQBUpPSu0bsJTBG",
        "input_map": [
          {
            "inputText": "ext.ml_inference.text" // Map input text from the request
          }
        ],
        "output_map": [
          {
            "text_embedding": "embedding" // Map output to the placeholder
          }
        ]
      }
    }
  ]
}

在 ml_inference 搜索请求处理器运行后，搜索请求将被重写。vector 字段包含处理器生成的嵌入，而 text_embedding 字段包含处理器输出。

GET /template-knn-1/_search
{
  "query": {
    "template": {
      "knn": {
        "text_embedding": {
          "vector": [0.6328125, 0.26953125, ...], 
          "k": 2
        }
      }
    }
  },
  "ext": {
    "ml_inference": {
      "text": "sneakers",
      "text_embedding": [0.6328125, 0.26953125, ...] 
    }
  }
}

限制

模板查询至少需要一个搜索请求处理器来解析占位符。搜索请求处理器必须配置为生成管道中预期的变量。

后续步骤

剩余 350 字符

有问题？。

想做贡献？或。