使用阿里云向量检索服务DashVector实现关键词感知的向量检索

使用阿里云向量检索服务DashVector实现关键词感知的向量检索并不只看表面做法，关键还要理解相关条件、限制和后续影响。

一.概述

本文以我个人搭建的房源检索服务为例，详细叙述了如何使用阿里云的 DashVector 产品实现“带有关键词感知的向量检索”。关于“关键词感知的向量检索”具体说明可以参见阿里云官方文档，这里仅对文档中没有详细叙述的实际操作过程进行补充。

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：

我们在向 collection 中注入数据的时候，也需要按这种形式组织数据，先用 embeding 模型生成 vector ，再用对应的稀疏向量生成工具 DashText 生成稀疏向量，在拼接上我们自定义的 fields 存储到 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