Redis Rueidis库中向量搜索分数解析问题分析与解决方案

问题背景

在使用Redis的Rueidis客户端库进行向量相似度搜索时，开发者发现通过FtSearch命令返回的结果中，Score字段始终为0，而实际的向量相似度分数却存储在文档的__vec_score字段中。这一现象导致开发者无法直接获取正确的相似度评分。

技术细节分析

Redis向量搜索机制

Redis支持通过FT.SEARCH命令进行向量相似度搜索(KNN搜索)，当使用向量搜索时，Redis会在返回结果中包含一个__vec_score字段，表示查询向量与文档向量之间的相似度分数。这个分数通常是一个浮点数，数值越小表示相似度越高。

Rueidis库的解析逻辑

Rueidis库的AsFtSearch()方法在解析搜索结果时，默认从结果文档的顶层获取Score字段。然而在向量搜索场景下，相似度分数被存储在文档的extra_attributes中的__vec_score字段，而非直接作为文档的Score属性返回。这种设计导致了分数解析的错位。

解决方案比较

1. 使用WITHSCORES选项

Redis的FT.SEARCH命令支持WITHSCORES选项，这可能会返回不同的分数格式。但根据实际测试，即使使用此选项，Score字段仍可能返回0，而实际向量相似度分数仍存储在__vec_score中。

2. 手动解析方案

目前最可靠的解决方案是手动从文档的__vec_score字段提取分数：

records = lo.Map(records, func(record rueidis.FtSearchDoc, _ int) rueidis.FtSearchDoc {
    if record.Score !=  {
        return record
    }
    record.Score, _ = strconv.ParseFloat(record.Doc["__vec_score"], 64)
    return record
})

3. 期待库的改进

从长远来看，Rueidis库可以考虑以下改进方向：

• 添加专门的AsFtSearchVector()方法处理向量搜索结果
• 在现有AsFtSearch()方法中添加对__vec_score字段的自动解析
• 提供更完善的文档说明向量搜索的特殊处理方式

最佳实践建议

1. 在使用向量搜索时，始终检查__vec_score字段而非依赖Score字段
2. 对分数进行验证，确保其数值范围符合预期
3. 考虑封装一个专门的向量搜索解析函数，统一处理分数解析逻辑
4. 关注Rueidis库的更新，及时采用官方提供的解决方案

总结

Redis的向量搜索功能与传统的全文搜索在结果解析上存在差异，这在使用Rueidis等客户端库时需要特别注意。目前阶段，开发者需要手动处理向量相似度分数的解析，但这一情况未来可能会随着库的更新而改善。理解这一机制有助于开发者更好地利用Redis的向量搜索能力构建语义缓存等高级功能。