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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 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 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
426
3.26 K
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++
689
335
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
265
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
25
30