**探索ManticoreSearch的矢量搜索功能：快来升级你的网站搜索能力！**

本文链接：https://blog.youkuaiyun.com/ahrghweaHT/article/details/144335980

引言

在当前以数据驱动的世界中，搜索引擎技术不断进步，以满足复杂信息获取的需求。ManticoreSearch是一个开源搜索引擎，既提供了强大的性能，又有着易于集成的优势。随着版本6.2的发布，ManticoreSearch引入了矢量搜索功能，这为基于矢量相似性的搜索执行带来了显著的提升。本文将介绍如何设置和使用ManticoreSearch的矢量搜索功能，为您的应用程序实现高效的搜索体验。

主要内容

1. 环境准备

为了利用ManticoreSearch的矢量搜索功能，你需要在开发环境中设置适当的工具。首先，您需要Docker容器来运行ManticoreSearch的开发版本，并安装manticore-columnar-lib包来支持矢量搜索功能。

使用Docker启动ManticoreSearch

import time

# 启动Docker容器
containers = !docker ps --filter "name=langchain-manticoresearch-server" -q
if len(containers) == 0:
    !docker run -d -p 9308:9308 --name langchain-manticoresearch-server manticoresearch/manticore:dev
    time.sleep(20)  # 等待容器启动

安装`manticore-columnar-lib`包

# 获取容器ID
container_id = containers[0]

# 安装列库包
!docker exec -it --user 0 {container_id} apt-get update
!docker exec -it --user 0 {container_id} apt-get install -y manticore-columnar-lib

# 重启容器
!docker restart {container_id}

2. 安装ManticoreSearch Python客户端

在设置好Docker环境后，您需要安装manticoresearch-dev Python客户端来与搜索引擎进行交互。

%pip install --upgrade --quiet manticoresearch-dev

3. 使用矢量嵌入实现搜索

ManticoreSearch的矢量功能可以与OpenAI或类似的API共同使用来获取嵌入向量。以下是一个使用LangChain库来处理文本加载、拆分和嵌入的示例。

from langchain.text_splitter import CharacterTextSplitter
from langchain_community.embeddings import GPT4AllEmbeddings
from langchain_community.vectorstores import ManticoreSearch, ManticoreSearchSettings

# 加载文档和处理嵌入
loader = TextLoader("path_to_your_text_file.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=100, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

embeddings = GPT4AllEmbeddings()  # 利用OpenAI API的嵌入

# 添加元数据
for d in docs:
    d.metadata = {"some": "metadata"}

settings = ManticoreSearchSettings(table="your_vector_search_table_name")
docsearch = ManticoreSearch.from_documents(docs, embeddings, config=settings)

# 执行相似性搜索
query = "你的查询文本"
result_docs = docsearch.similarity_search(query)
print(result_docs)