Typesense v0.26.0 版本新增基于标签的搜索覆盖功能
2025-05-09 17:35:30作者:钟日瑜
在Typesense最新发布的v0.26.0版本中,引入了一项强大的新功能——基于标签的搜索覆盖规则。这项功能为开发者提供了更精细化的搜索控制能力,可以根据特定的标签条件来触发预定义的搜索结果覆盖规则。
功能概述
搜索覆盖功能允许开发者为特定搜索条件预设自定义的搜索结果。在v0.26.0之前,这种覆盖只能基于搜索查询内容本身。现在,通过新增的标签匹配机制,开发者可以进一步限定覆盖规则的触发条件,使其只在特定的业务场景下生效。
技术实现细节
新版本在覆盖规则配置中增加了tags字段,这是一个字符串数组,用于指定触发该规则所需的标签。当且仅当搜索请求中包含override_tags参数且其值与规则中定义的任一标签匹配时,相应的覆盖规则才会被触发。
配置示例:
{
"overrides": [
{
"id": "custom-rule",
"includes": [ {"id": "8", "position": 1} ],
"rule": {
"match": "contains",
"query": "the",
"tags": ["email", "web"]
}
}
]
}
使用场景
这项功能特别适用于以下场景:
-
多渠道搜索优化:可以为网站搜索和邮件搜索配置不同的覆盖规则,即使搜索词相同也能返回最适合该渠道的结果。
-
A/B测试:通过为不同测试组分配不同标签,实现搜索结果的差异化展示。
-
权限控制:基于用户权限标签显示不同的搜索结果,实现数据隔离。
-
多租户系统:为不同租户定制搜索体验,同时共享基础搜索逻辑。
匹配规则详解
标签匹配遵循以下逻辑:
- 搜索请求必须包含
override_tags参数 - 参数值可以是单个标签或多个逗号分隔的标签
- 只要参数值中包含规则定义的任一标签,规则即被触发
- 标签匹配是大小写敏感的
有效触发示例:
override_tags: emailoverride_tags: web,somethingoverride_tags: something,emailoverride_tags: web,email
无效情况:
- 未提供
override_tags参数 - 提供的标签与规则中定义的不匹配
最佳实践建议
-
为标签使用有意义的命名,反映其业务用途而非技术实现。
-
避免过度使用标签,保持规则的简洁性和可维护性。
-
考虑将常用标签定义为常量或枚举,确保全系统一致使用。
-
在文档中记录所有使用的标签及其用途,便于团队协作。
这项功能的加入使Typesense的搜索定制能力更上一层楼,为复杂业务场景下的搜索需求提供了更灵活的解决方案。开发者现在可以基于业务上下文而不仅仅是搜索词本身来定制搜索体验,大大提升了系统的适应性和可扩展性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210