AuraDoc
登录注册

博客

在所有文档中进行语义搜索

按含义而不只是关键词查找文档:混合搜索、筛选、以文档找文档、已保存的搜索和提醒,覆盖你的整个文档库。


关键词搜索只会找到你输入的字词。当文档写的是“解除”而你搜索的是“取消”,或者一份政策用三种不同的说法描述同一项义务时,它就不灵了。语义搜索正是为这种差距而设计:它比较的是含义而不是字符,所以用你自己的话提出的问题,也能找到回答它的段落。

AuraDoc 中语义搜索的工作方式

文档处理时,文本会被切分成若干段落,每个段落被转换成一个嵌入向量,也就是用数字表示这段内容讲什么。这些嵌入向量保存在向量索引中。搜索时,你的查询以同样的方式变成嵌入向量,与已保存的段落比较,最接近的作为结果返回。API 的搜索端点默认返回十条结果,最多五十条,会忽略低于最低分数的弱匹配,还可以对候选结果重新排序以改进顺序。每条结果都带有该段落的摘录,并高亮匹配的词语,让你无需打开文件就能判断。

搜索覆盖提取得到的文本,因此扫描文件在经过 OCR 流程之后也会被包含。如果文档还没有文本,索引就没有可保存的内容。

关键词与含义结合

含义并不总是你想要的。有时你需要精确的发票编号或条款编号,纯语义匹配可能会跑偏。为此提供了混合搜索,把关键词匹配与向量搜索结合起来。它也是一道保险:如果嵌入服务商没有可用的密钥,搜索不会因服务商错误而失败,而是退回到字词匹配,并在响应中附上说明原因的提示。语义搜索本身需要配置嵌入服务商,可以由平台提供,也可以在设置中使用你自己的密钥。两者都没有时,响应会明确说明,而不是悄悄返回空结果。

用筛选缩小范围

在大型文档库中按含义搜索会返回很多内容,所以筛选很重要。你可以把搜索限制在单个文档内,也可以按文件类型(如 PDF、Word、Excel、图片或文本)、上传日期、文件名、大小范围、上传者以及处理状态来限定。你还可以只保留含有已提取实体、签名或检测到个人数据的文档,并按文件来源筛选,例如已同步的云端文件夹。另有一个字段用于匹配 AI 在文档中发现的实体,适合回答“哪些合同提到了某家公司”这类问题。结果可按相关性、最新、最旧或文件名排序。

以文档找文档

如果你已经有一份文档,甚至不需要输入文字。搜索可以从某份文档出发,返回与它最相似的文档,这与文档页面上“相似文档”标签页的思路相同。在网页应用中,搜索页面也接受从指定文档出发的链接,因此你可以把起点分享给同事。要从相似文件进一步看到具体差异,请参阅比较两份文档。

已保存的搜索与提醒

每周都要问的问题,不该每次重新输入。你可以用名称、查询和筛选条件保存一次搜索,之后一键再次运行。已保存的搜索还可以通知你有新文档,提醒可以设为立即、每天或每周。这样搜索就成了轻量的监控:为一条你绝不想错过的条款保存搜索,随着被监视的云端文件夹中新文件到来而检查。

成本与权限

每次查询都由服务商转换为嵌入向量,因此该嵌入会计入你的配额,平台会先确认配额足以覆盖,然后才付费。API 访问使用专门的搜索只读范围,因此你可以只授予集成搜索权限,而不给更多。如果你想要的是答案而不是列表,可以试试带引用的聊天。套餐和限制见价格页面。

返回博客