---
title: "Easysearch 集成阿里云与 Ollama Embedding API，构建端到端的语义搜索系统"
date: 2025-07-27
lastmod: 2025-07-27
description: "本文将详细介绍如何在 Easysearch 中集成阿里云和 Ollama 的 Embedding API，构建端到端的语义搜索系统。"
tags: ["Easysearch", "embedding", "OpenAI"]
summary: "背景 #  在当前 AI 与搜索深度融合的时代，语义搜索已成为企业级应用的核心能力之一。作为 Elasticsearch 的国产化替代方案，Easysearch 不仅具备高性能、高可用、弹性伸缩等企业级特性，更通过灵活的插件化架构，支持多种主流 Embedding 模型服务，包括 阿里云通义千问（DashScope） 和 本地化 Ollama 服务，实现对 OpenAI 接口规范的完美兼容。
本文将详细介绍如何在 Easysearch 中集成阿里云和 Ollama 的 Embedding API，构建端到端的语义搜索系统，并提供完整的配置示例与流程图解析。
 一、为什么选择 Easysearch？ #  Easysearch 是由极限科技（INFINI Labs）自主研发的分布式近实时搜索型数据库，具备以下核心优势：
 ✅ 完全兼容 Elasticsearch 7.x API 及 8.x 常用操作 ✅ 原生支持向量检索（kNN）、语义搜索、混合检索 ✅ 内置数据摄入管道与搜索管道，支持AI模型集成 ✅ 支持国产化部署、数据安全可控 ✅ 高性能、低延迟、可扩展性强  尤其在 AI 增强搜索场景中，Easysearch 提供了强大的 text_embedding 和 semantic_query_enricher 处理器，允许无缝接入外部 Embedding 模型服务。
 二、支持的 Embedding 服务 #  Easysearch 通过标准 OpenAI 兼容接口无缝集成各类第三方 Embedding 模型服务，理论上支持所有符合 OpenAI Embedding API 规范的模型。以下是已验证的典型服务示例："
---


## 背景

在当前 AI 与搜索深度融合的时代，**语义搜索**已成为企业级应用的核心能力之一。作为 Elasticsearch 的国产化替代方案，**Easysearch** 不仅具备高性能、高可用、弹性伸缩等企业级特性，更通过灵活的插件化架构，支持多种主流 Embedding 模型服务，包括 **阿里云通义千问（DashScope）** 和 **本地化 Ollama 服务**，实现对 OpenAI 接口规范的完美兼容。

本文将详细介绍如何在 Easysearch 中集成阿里云和 Ollama 的 Embedding API，构建端到端的语义搜索系统，并提供完整的配置示例与流程图解析。

---

## 一、为什么选择 Easysearch？

Easysearch 是由极限科技（INFINI Labs）自主研发的分布式近实时搜索型数据库，具备以下核心优势：

- ✅ 完全兼容 Elasticsearch 7.x API 及 8.x 常用操作
- ✅ 原生支持向量检索（kNN）、语义搜索、混合检索
- ✅ 内置数据摄入管道与搜索管道，支持AI模型集成
- ✅ 支持国产化部署、数据安全可控
- ✅ 高性能、低延迟、可扩展性强

尤其在 AI 增强搜索场景中，Easysearch 提供了强大的 **`text_embedding`** 和 **`semantic_query_enricher`** 处理器，允许无缝接入外部 Embedding 模型服务。

---

## 二、支持的 Embedding 服务

Easysearch 通过标准 **OpenAI 兼容接口**无缝集成各类第三方 Embedding 模型服务，理论上支持所有符合 OpenAI Embedding API 规范的模型。以下是已验证的典型服务示例：

| 服务类型      | 模型示例                      | 接口协议    | 部署方式    | 特点               |
| ------------- | ----------------------------- | ----------- | ----------- | ------------------ |
| **云端 SaaS** | 阿里云 DashScope              | OpenAI 兼容 | 云端        | 开箱即用，高可用性 |
|               | OpenAI `text-embedding-3`     | OpenAI 原生 | 云端        |                    |
|               | 其他兼容 OpenAI 的云服务      | OpenAI 兼容 | 云端        |                    |
| **本地部署**  | Ollama (`nomic-embed-text`等) | 自定义 API  | 本地/私有化 | 数据隐私可控       |
|               | 自建开源模型（如 BGE、M3E）   | OpenAI 兼容 | 本地/私有化 | 灵活定制           |

### 核心优势：

1. **广泛兼容性**  
   支持任意实现 OpenAI Embedding API 格式（`/v1/embeddings`）的服务，包括：

   - 请求格式：`{ "input": "text", "model": "model_name" }`
   - 响应格式：`{ "data": [{ "embedding": [...] }] }`

2. **即插即用**  
   仅需配置服务端点的 `base_url` 和 `api_key` 即可快速接入新模型。

3. **混合部署**  
   可同时配置多个云端或本地模型，根据业务需求灵活切换。

---

## 三、结合 AI 服务流程图

{{% load-img "/img/blog/2025/easysearch-integration-with-alibaba-cloud&ollama-embedding-api/1.png" "" %}}

> **说明**：
>
> - 索引阶段：通过 Ingest Pipeline 调用 Embedding API，将文本转为向量并存储。
> - 搜索阶段：通过 Search Pipeline 动态生成查询向量，执行语义相似度匹配。
> - 所有 API 调用均兼容 OpenAI 接口格式，降低集成成本。

---

## 四、集成阿里云 DashScope（通义千问）

阿里云 DashScope 提供高性能文本嵌入模型 `text-embedding-v4`，支持 256 维向量输出，适用于中文语义理解任务。

### 1. 创建 Ingest Pipeline（索引时生成向量）

```auto
PUT _ingest/pipeline/text-embedding-aliyun
{
  "description": "阿里云用于生成文本嵌入向量的管道",
  "processors": [
    {
      "text_embedding": {
        "url": "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings",
        "vendor": "openai",
        "api_key": "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
        "text_field": "input_text",
        "vector_field": "text_vector",
        "model_id": "text-embedding-v4",
        "dims": 256,
        "batch_size": 5
      }
    }
  ]
}
```

### 2. 创建索引并定义向量字段

```auto
PUT /my-index
{
  "mappings": {
    "properties": {
      "input_text": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      },
      "text_vector": {
        "type": "knn_dense_float_vector",
        "knn": {
          "dims": 256,
          "model": "lsh",
          "similarity": "cosine",
          "L": 99,
          "k": 1
        }
      }
    }
  }
}
```

### 3. 使用 Pipeline 批量写入数据

```auto
POST /_bulk?pipeline=text-embedding-aliyun&refresh=wait_for
{ "index": { "_index": "my-index", "_id": "1" } }
{ "input_text": "风急天高猿啸哀，渚清沙白鸟飞回..." }
{ "index": { "_index": "my-index", "_id": "2" } }
{ "input_text": "月落乌啼霜满天，江枫渔火对愁眠..." }
...
```

### 4. 配置 Search Pipeline（搜索时动态生成向量）

```auto
PUT /_search/pipeline/search_model_aliyun
{
  "request_processors": [
    {
      "semantic_query_enricher": {
        "tag": "tag1",
        "description": "阿里云 search embedding model",
        "url": "https://dashscope.aliyuncs.com/compatible-mode/v1/embeddings",
        "vendor": "openai",
        "api_key": "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
        "default_model_id": "text-embedding-v4",
        "vector_field_model_id": {
          "text_vector": "text-embedding-v4"
        }
      }
    }
  ]
}
```

### 5. 设置索引默认搜索管道

```auto
PUT /my-index/_settings
{
  "index.search.default_pipeline": "search_model_aliyun"
}
```

### 6. 执行语义搜索

```auto
GET /my-index/_search
{
  "_source": "input_text",
  "query": {
    "semantic": {
      "text_vector": {
        "query_text": "风急天高猿啸哀，渚清沙白鸟飞回...",
        "candidates": 10,
        "query_strategy": "LSH_COSINE"
      }
    }
  }
}
```

#### 搜索结果示例：

```auto
"hits": [
  {
    "_id": "1",
    "_score": 2.0,
    "_source": { "input_text": "风急天高猿啸哀..." }
  },
  {
    "_id": "4",
    "_score": 1.75,
    "_source": { "input_text": "白日依山尽..." }
  },
  ...
]
```

> 结果显示：相同诗句匹配得分最高，其他古诗按语义相似度排序，效果理想。

---

## 五、集成本地 Ollama 服务

Ollama 支持在本地运行开源 Embedding 模型（如 `nomic-embed-text`），适合对数据隐私要求高的场景。

### 1. 启动 Ollama 服务

```bash
ollama serve
ollama pull nomic-embed-text:latest
```

### 2. 创建 Ingest Pipeline（使用 Ollama）

```auto
PUT _ingest/pipeline/ollama-embedding-pipeline
{
  "description": "Ollama embedding 示例",
  "processors": [
    {
      "text_embedding": {
        "url": "http://localhost:11434/api/embed",
        "vendor": "ollama",
        "text_field": "input_text",
        "vector_field": "text_vector",
        "model_id": "nomic-embed-text:latest"
      }
    }
  ]
}
```

### 3. 创建 Search Pipeline（搜索时使用 Ollama）

```auto
PUT /_search/pipeline/ollama_model_pipeline
{
  "request_processors": [
    {
      "semantic_query_enricher": {
        "tag": "tag1",
        "description": "Sets the ollama model",
        "url": "http://localhost:11434/api/embed",
        "vendor": "ollama",
        "default_model_id": "nomic-embed-text:latest",
        "vector_field_model_id": {
          "text_vector": "nomic-embed-text:latest"
        }
      }
    }
  ]
}
```

后续步骤与阿里云一致：创建索引 → 写入数据 → 搜索查询。

---

## 六、安全性说明

Easysearch 在处理 API Key 时采取以下安全措施：

- 🔐 所有 `api_key` 在返回时自动加密脱敏（如 `TfUmLjPg...infinilabs`）
- 🔒 支持密钥管理插件（如 Hashicorp Vault 集成）
- 🛡️ 支持 HTTPS、RBAC、审计日志等企业级安全功能

确保敏感信息不被泄露，满足合规要求。

---

## 七、总结

通过 Easysearch 的 **Ingest Pipeline** 与 **Search Pipeline**，我们可以轻松集成：

- ✅ 阿里云 DashScope（云端高性能）
- ✅ Ollama（本地私有化部署）
- ✅ 其他支持 OpenAI 接口的 Embedding 服务

无论是追求性能还是数据安全，Easysearch 都能提供灵活、高效的语义搜索解决方案。

---

## 八、下一步建议

- 尝试混合检索：结合关键词匹配与语义搜索
- 使用 Rerank 模型提升排序精度
- 部署多节点集群提升吞吐量
- 接入 INFINI Gateway 实现统一 API 网关管理

---

## 参考链接

- [Easysearch 官网文档](https://docs.infinilabs.com/easysearch)
- [阿里云 DashScope 文档](https://help.aliyun.com/zh/model-studio/general-text-embedding/)
- [Ollama 官方网站](https://ollama.com)
- [INFINI Labs GitHub](https://github.com/infinilabs)

---

📌 **关注我们**，获取更多 AI + 搜索技术实践！

---

**Easysearch —— 让搜索更智能，让 AI 更易用。**