Function & 模型推理概述
Zilliz Cloud 提供了一套统一的搜索架构，用于构建现代检索系统，包括语义搜索、词法搜索、混合搜索以及智能重排。与将这些能力作为孤立功能暴露给用户不同，Zilliz Cloud 将它们统一组织在一个核心抽象之下：Function。
什么是 Function？
在 Zilliz Cloud 中，Function 是一种可配置的执行单元，用于在搜索工作流的特定阶段执行某一项具体操作。
一个 Function 通常回答以下三个实际问题：
-
**这个操作在什么时候执行？**在搜索之前，还是在搜索之后。
-
**它作用于什么输入？**原始文本、向量表示，或已检索到的候选结果。
-
**它产生什么输出？**用于检索的向量 Embedding，或经过重排后的搜索结果。
从工作流的角度来看，Function 会在搜索流程中的两个不同阶段参与执行：
-
Pre-search：Function 在搜索之前运行，将文本转换为向量表示。这些向量决定了哪些候选结果会被检索出来。
-
Post-search：Function 在候选结果检索完成之后运行，用于在不改变候选集的前提下，对结果顺序进行优化。
下图以抽象方式展示了 Function 在搜索工作流中的整体作用方式。
每一次搜索请求都会遵循相同的高层流程：
-
Pre-search Function 根据输入文本生成向量表示
-
搜索引擎基于这些向量检索出候选结果
-
（可选）Post-search Function 对已检索到的候选结果进行重排
Function 分类
在 Zilliz Cloud 中，Function 按照在搜索工作流中执行的时机以及所扮演的角色进行分类。总体来看，Function 可以分为两大类：
-
Pre-search Functions：将文本转换为向量 Embedding，并决定候选结果的检索范围
-
Post-search Functions：在候选结果检索完成后，对结果顺序进行优化
Pre-search Function：将文本转换为向量 Embedding
Pre-search Function 在候选结果检索之前运行。它们的作用是将原始文本（包括已存储的文档和传入的查询文本）转换为向量表示，搜索引擎会基于这些向量来识别相关的候选结果。
不同的 Pre-search Functions 会生成不同类型的向量 Embedding，这将直接影响检索的方式和效果。
下表总结了当前支持的 Pre-search Function：
Function 类型 | 向量类型 | 说明 | 典型场景 |
|---|---|---|---|
BM25 Function | 稀疏向量 | 基于词项匹配、词频以及文档长度归一化计算词法相关性。 作为本地机制完全在数据库引擎内执行；不需要模型推理。 | 以关键词为中心的全文检索、文档搜索、代码搜索，或对精确词项匹配和本地高性能有要求的场景。 |
Model-based Embedding Functions | 稠密向量 | 使用机器学习模型对文本的语义含义进行编码，实现超越精确关键词匹配的相似性检索。 需要通过托管模型或第三方模型服务进行模型推理。 | 语义搜索、自然语言查询、问答式检索，以及更关注概念相似性而非精确匹配的场景。 |
所有 Pre-search Function 都会以一致的方式同时作用于文档数据和查询文本，从而确保检索始终在同一表示空间中进行。
Post-search Function：重排候选结果
Post-search Function 在候选结果检索完成之后运行。它们的作用是在不改变候选集本身的前提下，对检索结果的顺序进行优化。
Post-search Function 作用于搜索阶段返回的候选结果，通过额外的排序逻辑或相关性信号来提升最终结果质量。
下表总结了当前支持的 Post-search Function：
Function 类型 | 作用对象 | 说明 | 典型场景 |
|---|---|---|---|
Hybrid Search Ranker | 来自混合搜索的多个结果集 | 使用加权排序或倒数排名融合（RRF）等方法，对不同检索策略返回的结果进行合并和平衡。 | 同时结合语义检索与词法检索，并需要对多种结果进行平衡融合的混合搜索场景。 |
Rule-based Ranker | 单一向量检索或混合搜索返回的候选结果 | 基于预定义规则或数值信号（如加权、衰减）对结果进行调整。 | 受业务规则驱动的排序逻辑，如新内容提升、热门内容加权，以及需要可预测、非模型化重排的场景。 |
Model-based Ranker | 单一向量检索或混合搜索返回的候选结果 | 使用机器学习模型评估相关性，并基于学习到的语义信号对结果重新排序。 | 智能重排、基于语义理解的相关性优化，以及使用大模型进行相关性评估的场景。 |
由于 Post-search Function 仅作用于已检索到的候选结果，它们只会影响结果顺序，而不会改变检索范围。