Higress项目中基于向量相似度的LLM缓存召回插件设计与实现
2025-06-10 10:19:41作者:廉皓灿Ida
引言
在AI技术快速发展的今天,大型语言模型(LLM)已成为各类应用的核心组件。然而,直接调用LLM提供商API面临着成本高昂、响应延迟等问题。阿里云开源的云原生网关项目Higress通过Wasm插件机制,为解决这一问题提供了创新思路。
技术背景
Higress作为云原生网关,其Wasm插件架构为AI场景提供了独特优势。传统网关主要处理路由和负载均衡,而AI网关需要额外支持API协议转换、结果缓存、智能路由等高级功能。基于向量相似度的缓存召回机制,能够在保证结果质量的前提下显著降低LLM调用成本。
插件核心设计
整体架构
该插件采用三层架构设计:
- 接入层:与LLM Proxy和AI Assistant插件协同工作
- 处理层:实现向量生成、相似度计算和结果召回
- 存储层:支持Redis及其他向量数据库作为后端存储
关键技术实现
向量化处理:插件需要将用户请求和LLM响应转换为向量表示。可采用预训练模型如BERT或Sentence-BERT生成语义向量,确保相似语义的请求能够被正确匹配。
相似度计算:采用余弦相似度或欧氏距离等度量方法,支持可配置的相似度阈值。当新请求与缓存中某条记录的向量相似度超过阈值时,直接返回缓存结果。
缓存策略:实现基于时间、使用频率等多维度的缓存淘汰机制,确保缓存内容的新鲜度和有效性。
性能优化考量
准确率提升:通过以下手段确保召回质量:
- 动态调整相似度阈值
- 支持多维度特征融合(如关键词+语义)
- 实现结果质量评估反馈机制
性能调优:针对Wasm环境特点优化:
- 向量计算采用SIMD指令加速
- 实现批处理机制减少存储访问次数
- 支持异步处理避免阻塞网关主流程
测试验证方案
设计全面的测试用例评估插件效果:
- 功能测试:验证基本缓存和召回流程
- 性能测试:测量不同负载下的吞吐量和延迟
- 质量测试:评估召回结果的准确率和召回率
测试数据集应覆盖不同领域、不同长度的请求,并包含边缘案例(如近义词、反义词、模糊查询等)。
应用场景扩展
该插件技术可应用于:
- 企业知识库问答系统
- 客服机器人场景
- 内容生成类应用
- 多轮对话系统
通过灵活的配置,可以适应不同业务场景对响应质量和成本的不同要求。
未来展望
随着技术发展,该插件可进一步优化:
- 支持更多向量数据库后端
- 实现自适应相似度阈值调整
- 结合LLM自身能力进行结果验证
- 探索联邦学习下的分布式缓存方案
Higress的这一创新为AI应用的高效部署提供了重要基础设施,展现了云原生网关在AI时代的强大扩展能力。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K

deepin linux kernel
C
22
6

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
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (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
927
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64

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
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8