【一文读懂】基于Havenask向量检索+大模型，构建可靠的智能问答服务

Havenask是阿里巴巴智能引擎事业部自研的开源高性能搜索引擎，深度支持了包括淘宝、天猫、菜鸟、高德、饿了么在内的几乎整个阿里的搜索业务。本文针对性介绍了Havenask作为一款高性能的召回搜索引擎，应用在向量检索和LLM智能问答场景的解决方案和核心优势。通过Havenask向量检索+大模型可以构建可靠的垂直领域的智能问答方案，同时快速在业务场景中进行实践及应用。

01

Havenask介绍

Havenask 是阿里巴巴广泛使用的自研大规模分布式检索系统，是过去十多年阿里在电商领域积累下来的核心竞争力产品，广泛应用在搜推广和大数据检索等典型场景。在2022年云栖大会-云计算加速开源创新论坛上完成开源首发，同时作为阿里云开放搜索OpenSearch底层搜索引擎，OpenSearch 自2014年商业化，目前已有千余家外部客户。

02

向量检索

近年来，随着短视频、电商等领域的繁荣，产生了越来越多的非结构化数据，如图片、音频、视频、行为数据等。人们通常使用人工智能算法从中提取出特征向量，再通过对这些特征向量的计算和检索来实现对非结构化数据的分析与检索，以实现搜索推荐、人脸识别等功能场景。因此，需要存储这些特征向量，并进行高效率的检索。

传统的基于关键字的信息检索，只有命中全部或者部分关键字的数据才会被召回。与此不同的是，向量检索是一种近似搜索（Approximate Nearest Neighbor），从大量数据中找出最相似的n个结果。在业界主要有两种支持