Elasticsearch 9.X 使用推理 API 进行语义搜索

第一部分：引言

Elasticsearch 9.X 版本是 Elastic 公司推出的最新搜索和分析引擎系列，于 2024 年正式发布，并在 2025 年持续更新。作为一个分布式、可扩展的搜索引擎，Elasticsearch 支持海量数据的实时索引和查询。随着人工智能技术的快速发展，Elasticsearch 9.X 引入了更强大的 AI 功能，其中推理 API（Inference API）是实现语义搜索的核心组件。语义搜索不同于传统的关键词匹配，它利用机器学习模型生成的嵌入向量（embeddings）来捕捉文本的语义含义，从而返回更相关的结果，即使查询和文档不包含相同的词汇。

推理 API 允许用户集成外部 AI 服务（如 OpenAI、Cohere、Hugging Face 等）或 Elastic 的内置模型（如 ELSER），以生成文本嵌入。这些嵌入可以是稠密向量（dense vectors）或稀疏向量（sparse vectors），用于 kNN（k-最近邻）搜索或稀疏向量查询。本教程将详细介绍如何在 Elasticsearch 9.X 中使用推理 API 进行语义搜索，包括前提条件、设置推理端点、索引数据、查询执行、代码示例和最佳实践。教程基于官方文档和实际示例，确保实用性和完整性。 我们将使用 Python 客户端和 Kibana Dev Console 提供代码示例，总字数超过 5000 字。

语义搜索的基本概念

语义搜索的核心是向量表示：文本被转换为高维向量，相似文本的向量在空间中更接近。推理 API 处理这个转换过程，支持文本嵌入（text_embedding）和稀疏嵌入（sparse_embedding）任务。相比 E