智能搜索开发介绍
Download
聚焦模式
字号
腾讯云 ES 发布的新特性智能搜索开发，进一步优化了对全文与向量混合搜索的能力支持，从原始文档解析、向量化等原子能力，到查询性能、混合排序效率、搜索结果精准度等提供了全方位的支持和优化，让搜索有了更多想象空间。 在此基础上，还可以与 DeepSeek 等大语言模型无缝集成，从而帮助企业进一步高效、灵活地构建知识问答等 RAG 应用，在关键环节也可介入调优，整体流程如下：
原子服务
目前智能搜索开发提供以下类型的原子服务：
类型 | 描述 | 服务 | 说明 |
文档解析 | 本服务可将 PDF、DOC、PPT、XLS、HTML、TXT、PNG 等多格式文档转换为标准格式，满足企业级知识库建设、技术文档迁移、内容平台结构化存储等需求。 | doc-llm | 腾讯优图实验室推出的精品 OCR 大模型，覆盖论文、书籍、说明书、试卷、PPT、海报等众多场景，可满足各行业的文档处理需求。 |
文本切片 | 文本切片是将长文本分割为短片段的技术，用于适配模型输入、提升处理效率或信息检索，平衡片段长度与语义连贯性，适用于 NLP、数据分析等场景，本服务支持语义切分。 | doc-chunk | 基于分隔符、文本长度进行切片，适用规则性较强的文本，仅支持 Markdown 与 TXT 格式文件输入。 |
| | doc-tree-chunk | 腾讯自研文档拆分模型，支持多种文件类型，能够解析并深入理解图表中的信息，语义切分成文本块。 |
Embedding | 将文本、图片等多模态数据转化为稠密或稀疏的向量形式的服务，支持多款不同语言、输入长度、维度的文本向量模型，可用于信息检索、分类和相似性比较等场景。 | 896 维，最大 131072 token 微信自研多语言模型，支持多语言。 | |
| | 1024 维，最大 8194 token 经典 BGE Embedding 模型，支持 100+ 语言，适合多语言检索场景。 | |
| | WeCLIPv2-Base | |
| | WeCLIPv2-Large | 768维，最大 72 token 微信自研图文 Embedding 模型，在中文场景下表现优秀，适合文搜图、图搜图等场景 |
重排序 | 在 RAG 场景中，可通过 RAG 排序服务找到相关性更高的内容，引入排序服务可有效提升检索和大模型生成准确率，同时减少大模型成本。 | 单个 doc 最大 8192 token 升级版 BGE 重排模型，有更大的文本长度，同时支持多语言。 | |
应用场景
文本搜索：依托倒排索引与分词优化，腾讯云 ES 支持亿级数据毫秒级检索，具备拼写纠错、同义词扩展及高亮显示功能，广泛应用于电商商品搜索、新闻推荐等场景，精准匹配用户查询意图。
多模态搜索：提供多模态数据向量化服务，结合腾讯云 ES 的混合搜索能力，支持文本、图像等混合数据的联合检索，如图搜图、文搜图、文搜视频等场景，突破单一模态限制。
知识库问答：通过自然语言处理与语义分析，快速匹配用户问题与知识库内容，将用户问题与检索的内容交给大模型进行总结生成，适用于企业 FAQ、客户机器人等场景，实现高效知识检索与精准答案推送。
AI 助手：为 AI 助手提供实时知识库检索和对话上下文管理，通过搜索增强与多轮对话支持，提升虚拟助手、智能客服等应答能力。
优势特性
文本/向量混合搜索：独有文本与向量的混合搜索能力，支持多模态数据联合检索，通过倒排索引优化与向量算法扩展，实现复杂场景下的精准匹配与召回扩大。
开放的原子服务：提供文档解析、文本切片、Embedding、Rerank、LLM 生成以及联网搜索原子服务，集成 ES Inference API，降低 RAG、AI 搜索应用等开发门槛。
灵活搭建 AI 应用：高度灵活的写入/检索工作流自定义能力，支持调用内置原子服务和自定义服务，快速构建智能问答、AI 搜索等场景。
高性能与稳定性：千亿级向量规模支持，毫秒级响应延迟，自研存储优化节省 70%-90% 资源，结合分布式架构与多可用区容灾，保障高并发场景稳定运行。
权威认证：作为首个端到端 RAG 技术标准制定者和测评通过者（信通院认证），腾讯云 ES 过去一年已助力微信读书 AI 问书、ima、腾讯会议智能助手等顶流应用落地。
文档反馈