阿里云DashVector实现关键词感知向量检索的方法与实践

一.概述

本文将以一个真实搭建的房源搜索与检索服务为切入点，详细说明如何借助阿里云 DashVector 实现“具备关键词感知能力的向量检索”。关于“关键词感知的向量检索”这一能力的定义、原理和机制，阿里云官方文档已经有较为完整的介绍，这里不再重复展开，重点补充文档中提及较少、但在实际项目落地中非常关键的操作细节与实战经验。

二.操作过程

2.1 DashVector API-KEY 申请

先登录阿里云向量检索服务 DashVector 控制台，点击创建 API-KEY 进行申请。注意：API-KEY 在关闭页面后将无法再次复制，建议创建后立即妥善保存。

2.2 创建 Cluster

创建 Cluster 集群（可以理解为关系型数据库中的一个数据库实例），阿里云通常会提供一定的免费额度，方便开发者进行学习、测试和练习。

2.3 创建collection

Collection 可以类比为关系型数据库中的一张表。

collection 名称：集合名称。向量维度：1536，这个参数与我们用于生成稠密向量的 Embedding 模型直接相关。我这里使用的是 qwen3.7-text-embedding，它支持 1536 维向量（主要也是因为有免费额度 -。-）。关于向量维度的更多说明，可以参考阿里云官方文档。距离度量方式：这里一定要选择 DotProduct，只有 DotProduct 模式才支持稀疏向量与稠密向量的混合检索，也就是常说的关键词感知向量检索。自定义 schema：向量数据库在存储向量数据的同时，也允许用户扩展一些字段来保存额外业务信息。例如这里我存储了一个 id，表示房源主键。自定义 schema 的作用主要有两个：一是在检索结果中会直接附带这些字段，后续使用更方便；二是 DashVector 检索接口支持基于这些 schema 字段进行条件过滤与查询。

因此，我们创建完成后的 collection 中，单条数据结构大致如下：

向 collection 写入数据时，组织方式也需要保持一致：先通过 embedding 模型生成 vector，再借助对应的稀疏向量生成工具 DashText 生成 sparse_vector，最后将它们与自定义的 fields 一起组装后写入 collection。

执行检索时，我们只需要把用户输入的关键词或查询语句，同样转换为稠密向量和稀疏向量，再进行匹配召回即可。召回结果中会附带我们自定义的 fields 字段，这样就能直接拿到预先保存的核心业务信息。

2.4 生成及插入向量数据

我的原始数据文件格式为 house_vectors.json。这里我的目标是通过房源描述信息召回对应的房源 id，因此 schema 中只定义了一个 id 字段。 接着生成稠密向量与稀疏向量，并输出到 output_vectors.json。随后将生成的 output_vectors.json 上传到 collection（实际上也可以在上一步生成向量后，直接通过接口写入 collection。这里我只是额外保留了一份中间文件，方便排查和复用）。

上传成功后，我们可以在平台的 collection 中查看已导入的数据。到这里，整个向量数据生成、处理与写入流程就完成了。从展示结果可以看到，系统中实际存储的是对应的向量信息。

2.5 向量检索

三.注意事项及总结

文中使用的阿里云百炼平台 API-KEY 和 API 地址，需要提前前往百炼平台申请。无论是向量存储还是向量检索，都必须使用相同的向量处理模型和工具，同时要确保向量维度保持一致。尤其是稠密向量的维度，必须与 collection 中定义的维度完全一致，否则会影响写入和检索结果。

参考资料:https://help.aliyun.com/document_detail/2586282.html?spm=a2c4g.11174283.0.0.71af582bNPgka4