Semantic Kernel中SqliteVectorStoreRecordCollection的向量搜索过滤器Bug解析

背景介绍

在微软开源的Semantic Kernel项目中，SqliteVectorStoreRecordCollection类负责处理向量数据的存储和检索操作。其中VectorizedSearchAsync方法是实现向量相似性搜索的核心功能，但在早期版本中存在一个影响过滤器使用的逻辑错误。

问题描述

在1.46版本之前的代码中，VectorizedSearchAsync方法对搜索过滤器的处理存在一个明显的条件判断错误。代码中重复检查了searchOptions.Filter是否为null，而实际上第二个判断应该是检查searchOptions.OldFilter属性。

这个错误导致当开发者尝试使用Filter参数进行搜索时，系统会不必要地抛出ArgumentException异常，错误提示"Either Filter or OldFilter can be specified, but not both"。这显然与代码的实际意图不符，因为正确的逻辑应该是比较Filter和OldFilter这两个不同的属性。

技术影响

这个bug对开发者使用向量搜索功能造成了以下影响：

1. 无法正常使用Filter参数进行向量搜索
2. 开发者被迫使用OldFilter参数作为替代方案
3. 错误提示信息误导开发者认为同时指定两个过滤器是不允许的

解决方案

微软团队在Semantic Kernel 1.46版本中修复了这个问题。修复方式非常简单但有效：将第一个条件判断从检查searchOptions.Filter改为检查searchOptions.OldFilter。

修复后的代码逻辑变得合理：

• 首先检查是否使用了OldFilter
• 如果使用了OldFilter，再检查是否同时使用了Filter
• 确保两种过滤器不会同时使用

最佳实践

对于使用Semantic Kernel进行向量搜索的开发者，建议：

1. 确保使用1.46或更高版本
2. 优先使用Filter参数进行搜索过滤
3. 了解OldFilter是旧版API，新开发应避免使用
4. 在升级版本时检查相关代码的兼容性

总结

这个bug的修复展示了开源项目持续改进的过程。虽然问题本身不大，但影响了核心功能的可用性。通过版本更新，开发者现在可以更顺畅地使用Sqlite向量存储的过滤搜索功能，构建更精确的AI应用。