使用聊天的对话式搜索

Meilisearch 的聊天补全功能实现了基于 AI 的对话式搜索，允许用户用自然语言提问并基于索引内容获取直接答案。该功能将传统搜索体验转变为交互式对话。

​

什么是对话式搜索？

对话式搜索允许用户：

• 使用自然语言提问而非关键词
• 获取直接答案而非文档链接
• 在多个问题间保持上下文
• 获得基于实际内容的响应

这种方式弥合了传统搜索与现代 AI 体验之间的鸿沟，使信息获取更加直观便捷。

​

聊天补全与传统搜索的区别

​

传统搜索流程

1. 用户输入关键词
2. Meilisearch 返回匹配文档
3. 用户浏览结果寻找答案

​

对话式搜索流程

1. 用户用自然语言提问
2. Meilisearch 检索相关文档
3. AI 基于文档生成直接答案
4. 用户可以继续追问后续问题

​

简化版 RAG 实现

聊天补全功能在单一 API 端点中实现了完整的检索增强生成（RAG）流程。传统的 RAG 实现需要：

• 多次 LLM 调用来优化查询
• 单独的向量数据库进行语义搜索
• 自定义的重排序方案
• 复杂的流程管理

Meilisearch 的聊天补全功能将这些整合为一个精简流程：

1. 查询理解：自动将问题转化为最优搜索参数
2. 混合检索：结合关键词和语义搜索提升相关性
3. 答案生成：使用您选择的 LLM 生成回答
4. 上下文管理：自动维护对话历史

​

何时使用聊天补全 vs 传统搜索

​

适合使用对话式搜索的场景：

• 用户需要针对特定问题获得直接答案
• 内容属于信息类（文档、知识库、常见问题）
• 用户会进行后续提问
• 自然语言交互能提升用户体验

​

适合使用传统搜索的场景：

• 用户需要浏览多个选项
• 结果需要比较（电商商品、列表）
• 精确匹配至关重要
• 响应时间是首要考虑因素

​

架构概览

聊天补全功能通过工作区（workspace）运行，这是为不同用例或租户提供的隔离配置。每个工作区可以：

• 使用不同的 LLM 来源（openAi、azureOpenAi、mistral、gemini、vLlm）
• 应用自定义提示词
• 基于 API 密钥访问特定索引
• 维护独立的对话上下文

​

核心组件

1. 聊天端点: /chats/{workspace}/chat/completions

   • 兼容 OpenAI 的接口规范
   • 支持流式响应
   • 处理索引搜索的工具调用

2. 工作区设置: /chats/{workspace}/settings

   • 配置 LLM 提供商和模型
   • 设置系统提示词
   • 管理 API 凭证

3. 索引集成:

   • 自动搜索相关索引
   • 利用现有 Meilisearch 搜索能力
   • 遵循 API 密钥权限

​

安全考量

聊天补全功能与 Meilisearch 现有安全模型深度集成：

• API 密钥权限：聊天功能仅能访问当前 API 密钥可见的索引
• 租户令牌：支持多租户应用场景
• LLM 凭证：安全存储在工作区设置中
• 内容隔离：响应仅基于已索引内容生成

​

后续步骤

• 开始使用聊天补全功能
• 查阅聊天补全 API 参考文档
• 了解实验性功能