使用阿里云向量检索服务DashVector实现关键词感知的向量检索

一.概述

本文就以一个实际搭建的房源检索服务为切入点，详细拆解如何借助阿里云的 DashVector 实现“带有关键词感知的向量检索”。至于“关键词感知的向量检索”本身的定义和机制，阿里云官方文档已经有较完整的说明，这里不再重复展开，重点补充文档里着墨不多、但在真正落地时很关键的实操部分。

二.操作过程

2.1 DashVector API-KEY 申请

登录 阿里云向量检索服务 DashVector 控制台 点击创建 api-key申请。注意：关闭后不可复制

2.2 创建 Cluster

创建集群（可以类比成关系型数据库里的一个数据库），阿里云会给一定的免费额度供练习使用。

2.3 创建collection

可以类比成关系型数据库的一个表

collection 名称：集合的名称。向量维度：1536 这个跟我们进行 稠密向量生成的Embedding模型有关，我使用的是qwen3.7-text-embedding 支持 1536 维度（因为有免费额度-。-）关于向量维度的更多说明，可以参考官方文档。距离度量方式：这里要注意一定要选 DotProduct只有 DotProduct 模式才支持稀疏向量和稠密向量混合检索，也就是所谓的关键词感知检索。自定义 schema ：向量数据库在存储向量数据的同时，给用户一定自由度扩展一些字段来存储额外的数据。例如这里我存储了一个 id.代表我的房源主键。自定义 shcema 的作用有两个，一个是信息检索结果中会附带这些信息使用比较方便。另外，DashVector 的检索接口支持通过这些 schema做条件查询。

所以我们创建完成的 collection 的一条数据的结构如下：

往 collection 里写入数据时，组织方式也得保持一致：先通过 embeding 模型生成 vector，再借助对应的稀疏向量生成工具 DashText 产出稀疏向量，最后把它们和自定义的 fields 一起组装后存入 collection。

检索时，我们将 关键词同样处理成，稠密和稀疏向量，进行匹配召回就可以了。召回的信息中，会附带我们自己的 fields.这样就召回了我们提前预定的关键信息。

2.4 生成及插入向量数据

我的原始数据格式 house_vectors.json 这里我希望通过描述信息，召回对应房源 id 即可，所以 schema 中仅定义了一个 id. 生成 稠密及稀疏向量 到 output_vectors.json将生成的 output_vectors.json 上传到 collection（这里其实也可以直接将上一步生成的数据直接调用接口存储到 collection，我这里只是多存储了一份中间文件）

上传成功后，我们在平台的 collection 中可以看到导入的数据，至此我们的向量数据处理全部完成。可以看到存储的是向量信息。

2.5 向量检索

三.注意事项及总结

文中使用的阿里云百炼平台的 api-key和 api 地址，需要去 百炼平台 提前申请。检索及存储向量时，要使用相同的向量处理模型和工具，注意向量维度也要保持一致。稠密向量维度要与 collection 中定义的保持一致。

参考资料:https://help.aliyun.com/document_detail/2586282.html?spm=a2c4g.11174283.0.0.71af582bNPgka4