在之前的文章 “Elasticsearch 开放推理 API 新增阿里云 AI 搜索支持”，它详细描述了如何使用 Elastic inference API 来针对阿里的密集向量模型，稀疏向量模型， 重新排名及 completion 进行展示。在那篇文章里，它使用了很多的英文的例子。我觉得阿里的模型更适合中文字来进行展示。我们知道 Elastic 的开箱即用的稀疏向量模型 ELSER 只适合英文。目前它不支持中文。恰好阿里的稀疏向量模型填补了这个空白。稀疏向量可以开箱即用。对于很多不是很精通人工智能的开发者来说，这无疑是个福音，而且它使用的资源很小。
更多阅读，请参阅 “阿里云 AI 搜索推理服务”。
稀疏向量
根据文档，我们使用如下的命令来创建稀疏向量的推理 API 端点：
1. PUT _inference/sparse_embedding/alibabacloud_ai_search_sparse
2. {
3. "service": "alibabacloud-ai-search",
4. "service_settings": {
5. "api_key": "<api_key>",
6. "service_id": "ops-text-sparse-embedding-001",
7. "host": "default-j01.platform-cn-shanghai.opensearch.aliyuncs.com",
8. "workspace": "default"
9. }
10. }
在上面，我们需要从阿里云获得 api_key 来进行。运行上面的命令：
我们接下来可以通过如下的方式来测试：
1. POST _inference/alibabacloud_ai_search_sparse
2. {
3. "input": "阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳"
4. }
上面的命令显示的结果为：
我们从上面的显示结果可以看出来，它和我们之前的 Elastic ELSER 输出是不同的。这里应该是 unicode。
上面的命令和下面的命令是一样的：
1. POST _inference/sparse_embedding/alibabacloud_ai_search_sparse
2. {
3. "input": "阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳"
4. }
因为每个 endpoint 在 Elasticsearch 创建时，都会自动检测并识别出它是什么类型的模型，所以上面路径中的 sparse_embedding 是可以省去的。
密集向量
同样，根据文档，我们使用如下的命令来创密集向量的推理 API 端点：
1. PUT _inference/text_embedding/alibabacloud_ai_search_embeddings
2. {
3. "service": "alibabacloud-ai-search",
4. "service_settings": {
5. "api_key": "<api_key>",
6. "service_id": "ops-text-embedding-001",
7. "host": "default-j01.platform-cn-shanghai.opensearch.aliyuncs.com",
8. "workspace": "default"
9. }
10. }
运行上面的命令，我们可以看到：
我们可以使用如下的命令来生成密集向量：
1. POST _inference/alibabacloud_ai_search_embeddings
2. {
3. "input": "阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳"
4. }
密集向量是一个浮点数的数组。我们在生成的时候，其实还是可以对它进行标量量化，这样可以节省内存消耗，并提高搜索的速度。
完成 - completion
我们甚至可以针对搜索的结果运用大模型来得到一个 completion 的结果，比如，我们使用如下的命令来生成一个 completion 的推理 API 端点：
1. PUT _inference/completion/alibabacloud_ai_search_completion
2. {
3. "service": "alibabacloud-ai-search",
4. "service_settings": {
5. "host" : "default-j01.platform-cn-shanghai.opensearch.aliyuncs.com",
6. "api_key": "{{API_KEY}}",
7. "service_id": "ops-qwen-turbo",
8. "workspace" : "default"
9. }
10. }
我们可以通过如下的例子来展示 completion：
这个结果是结合大模型而生成的。大模型提供了一个基于在大模型训练时得到的结果。
重新排名 - rerank
同样，我们可以按照如下的命令来生成一个 rerank 的推理 API 端点：
1. PUT _inference/rerank/alibabacloud_ai_search_rerank
2. {
3. "service": "alibabacloud-ai-search",
4. "service_settings": {
5. "api_key": "<api_key>",
6. "service_id": "ops-bge-reranker-larger",
7. "host": "default-j01.platform-cn-shanghai.opensearch.aliyuncs.com",
8. "workspace": "default"
9. }
10. }
我们可以使用如下的例子来进行展示：
1. POST _inference/alibabacloud_ai_search_rerank
2. {
3. "query": "阿里巴巴（中国）有限公司是哪一年成立的？",
4. "input": [
5. "阿里巴巴是全球领先的B2B电子商务网上贸易平台",
6. "阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳"
7. ]
8. }
在上面的 input 里，我们列举了两个文档。我们可以通过 rerank 端点来针对这两个文档重新进行排序。假如我们想搜索的文字是 “阿里巴巴（中国）有限公司是哪一年成立的？”。那么 rerank 返回来的结果是：
从上面，我们可以看出来，第二个文档比第一个文档更为贴近，也就是它的相关度更高。
RAG 应用
在很多情况下，我们企业有很多的业务数据或者私有数据每时每刻都在生成，而大模型的知识仅限于在它生成的时候，所以很多的时候，大模型有很多的知识是不知道的。如果我们不对大模型的回答进行限制，那么它可能给出的答案就是错误的，从而产生幻觉。在实际的应用中，我们通常把业务或私有数据保存于像 Elasticsearch 这样的向量数据库中。在搜索时，我们首先搜索 Elasticsearch，并把搜索的结果发送给大模型做为 prompt 的一部分，这样就可以解决幻觉的问题。
首先，我们来创建一个稀疏向量索引：
1. PUT alibaba_sparse
2. {
3. "mappings": {
4. "properties": {
5. "inference_field": {
6. "type": "semantic_text",
7. "inference_id": "alibabacloud_ai_search_sparse"
8. }
9. }
10. }
11. }
然后，我们写入如下的两个文档：
1. PUT alibaba_sparse/_bulk
2. {"index": {"_id": "1"}}
3. {"inference_field": "阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳"}
4. {"index": {"_id": "2"}}
5. {"inference_field": "百度是拥有强大互联网基础的领先AI公司。百度愿景是：成为最懂用户，并能帮助人们成长的全球顶级高科技公司。于2000年1月1日在中关村创建了百度公司"}
我们通过如下的命令来进行搜索：
1. GET alibaba_sparse/_search
2. {
3. "query": {
4. "semantic": {
5. "field": "inference_field",
6. "query": "百度公司是哪年成立的？"
7. }
8. }
9. }
上面搜索的结果为：
很显然，含有百度的文档排在第一的位置。这个就是我们所说的向量搜索。
在实际的很多例子中，我们有时想得到一个唯一的答案，甚至这个答案是推理出来的，而不原始的文档。这个时候我们就需要用到大模型，也就是使用 completion 这个推理端点。
我们首先来做如下的搜索：
1. GET alibaba_sparse/_search
2. {
3. "query": {
4. "semantic": {
5. "field": "inference_field",
6. "query": "阿里巴巴公司的法人是谁？"
7. }
8. }
9. }
这次只有一个文档被列出来了。我们在下面使用 completion 端点：
1. POST _inference/completion/alibabacloud_ai_search_completion
2. {
3. "input": "<|system|>
4. 你是一个知识渊博的人.</s>
5. <|user|>
6. CONTEXT:
7. 阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳
9. QUESTION:
10. 阿里巴巴公司的法人是谁？</s>
11. <|assistant|>"
12. }
在上面，我们把上面搜索的结果文档 “阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳” 作为 context 的一部分，并把搜索的问题也一并提交。我们使用 completion 端点 API 来查看结果：
上面显示的结果是 “阿里巴巴公司的法定代表人是蒋芳”。很显然这个和之前的直接使用 completion 而没有 context 的结果是完全不同的：
1. POST _inference/completion/alibabacloud_ai_search_completion
2. {
3. "input": "阿里巴巴法定代表是谁?"
4. }
我们可以这么理解，有了从 Elasticsearch 向量数据库（实时业务数据或私有数据）中搜索来的结果并提供给大模型，大模型可以根据这些上下文，得到更为贴近答案的搜索结果。这个在实际的使用中避免幻觉！
另外一个例子：
1. POST _inference/completion/alibabacloud_ai_search_completion
2. {
3. "input": "<|system|>
4. 你是一个知识渊博的人.</s>
5. <|user|>
6. CONTEXT:
7. 阿里巴巴（中国）有限公司成立于2007年03月26日，法定代表人蒋芳
9. QUESTION:
10. 阿里巴巴（中国）有限公司是什么时候成立的？</s>
11. <|assistant|>"
12. }
有关如何构建提示（prompt），请参阅我之前的文章 “为生成式人工智能制作 prompt 三明治”。
好的，今天的分享就到这里。
