---
title: "查询嵌入模型"
date: 2026-01-14
lastmod: 2026-01-14
description: "说明 Easysearch 中查询嵌入模型相关 API 的情况。"
tags: ["AI", "嵌入向量", "API说明"]
summary: "API 状态说明 #  在 Easysearch 中，不存在 GET /_ai/embeddings/{model} API。
相关的 AI 嵌入功能 #  虽然不存在 GET /_ai/embeddings/{model} API，但 Easysearch 提供了其他嵌入相关功能：
已废弃的嵌入 API #  以下 API 已废弃（返回 410 Gone）：
POST /_ai/embed POST /_ai/embed/{model} 当前推荐的嵌入方式 #  Easysearch 推荐通过以下方式使用嵌入功能：
1. 摄取管道（Ingest Pipeline） #  使用 text_embedding 处理器在文档索引时自动生成嵌入向量：
PUT /_ingest/pipeline/embedding-pipeline { "processors": [ { "text_embedding": { "model": "nomic-embed-text:latest", "text_field": "content", "vector_field": "content_embedding" } } ] } 2. 搜索管道（Search Pipeline） #  使用 semantic_query_enricher 在搜索时进行语义查询增强："
---


## API 状态说明

在 Easysearch 中，**不存在 `GET /_ai/embeddings/{model}` API**。

## 相关的 AI 嵌入功能

虽然不存在 `GET /_ai/embeddings/{model}` API，但 Easysearch 提供了其他嵌入相关功能：

### 已废弃的嵌入 API

以下 API 已废弃（返回 410 Gone）：

```
POST /_ai/embed
POST /_ai/embed/{model}
```

### 当前推荐的嵌入方式

Easysearch 推荐通过以下方式使用嵌入功能：

#### 1. 摄取管道（Ingest Pipeline）

使用 `text_embedding` 处理器在文档索引时自动生成嵌入向量：

```json
PUT /_ingest/pipeline/embedding-pipeline
{
  "processors": [
    {
      "text_embedding": {
        "model": "nomic-embed-text:latest",
        "text_field": "content",
        "vector_field": "content_embedding"
      }
    }
  ]
}
```

#### 2. 搜索管道（Search Pipeline）

使用 `semantic_query_enricher` 在搜索时进行语义查询增强：

```json
PUT /_search/pipeline/semantic-pipeline
{
  "request_processors": [
    {
      "semantic_query_enricher": {
        "model_name": "text-embedding-ada-002",
        "text_field": "query_text",
        "embedding_field": "content_embedding"
      }
    }
  ]
}
```

## 模型配置

Easysearch 通过配置文件或环境变量配置嵌入模型：

### Ollama 配置

```yaml
# easysearch.yml
ollama.url: "http://localhost:11434"
```

### OpenAI 配置

```yaml
# 通过 API 密钥配置
```

## 支持的嵌入模型

| 模型名称 | 描述 | 类型 |
|---------|------|------|
| `nomic-embed-text:latest` | Nomic 文本嵌入模型 | Ollama |
| `text-embedding-ada-002` | OpenAI 嵌入模型 | OpenAI |
| `text-embedding-3-large` | OpenAI 大型嵌入模型 | OpenAI |

## 使用示例

### 创建带嵌入的文档

```json
POST /my-index/_doc?pipeline=embedding-pipeline
{
  "title": "Hello World",
  "content": "This is a sample document"
}
```

### 使用语义搜索

```json
GET /my-index/_search?search_pipeline=semantic-pipeline
{
  "query": {
    "match": {
      "content": "sample text"
    }
  }
}
```

## 嵌入向量字段配置

索引中需要定义向量字段：

```json
PUT /my-index
{
  "mappings": {
    "properties": {
      "content": {
        "type": "text"
      },
      "content_embedding": {
        "type": "dense_vector",
        "dims": 768,
        "index": true,
        "similarity": "cosine"
      }
    }
  }
}
```

## 注意事项

1. `GET /_ai/embeddings/{model}` API 在 Easysearch 中不存在
2. 相关的嵌入 REST API 已废弃
3. 建议使用摄入管道和搜索管道实现嵌入功能
4. 向量字段需要在索引映射中预先定义

## 相关文档

- [创建或更新摄入管道](./create-or-update-ingest-pipeline.md)
- [创建搜索管道](./create-search-pipeline.md)
- [创建嵌入向量](./create-embedding-vector.md)