警告
语义内核文本搜索功能处于预览状态，需要重大更改的改进可能在发布前的有限情况下发生。
概述
矢量存储文本搜索实现使用 矢量存储连接器 来检索搜索结果。 这意味着，可以将矢量存储文本搜索与语义内核支持的任何向量存储以及 Microsoft.Extensions.VectorData.Abstractions 的任何实现一起使用。
限制
请参阅你正在使用的 Vector Store 连接器 列出的限制。
入门
下面的示例演示如何使用内存中向量存储来创建 VectorStoreTextSearch 和使用它来执行文本搜索。
using Microsoft.Extensions.VectorData;
using Microsoft.SemanticKernel.Connectors.InMemory;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using Microsoft.SemanticKernel.Data;
using Microsoft.SemanticKernel.Embeddings;
// Create an embedding generation service.
var textEmbeddingGeneration = new OpenAITextEmbeddingGenerationService(
modelId: TestConfiguration.OpenAI.EmbeddingModelId,
apiKey: TestConfiguration.OpenAI.ApiKey);
// Construct an InMemory vector store.
var vectorStore = new InMemoryVectorStore();
var collectionName = "records";
// Get and create collection if it doesn't exist.
var recordCollection = vectorStore.GetCollection<TKey, TRecord>(collectionName);
await recordCollection.EnsureCollectionExistsAsync().ConfigureAwait(false);
// TODO populate the record collection with your test data
// Example https://github.com/microsoft/semantic-kernel/blob/main/dotnet/samples/Concepts/Search/VectorStore_TextSearch.cs
// Create a text search instance using the InMemory vector store.
var textSearch = new VectorStoreTextSearch<DataModel>(recordCollection, textEmbeddingGeneration);
// Search and return results as TextSearchResult items
var query = "What is the Semantic Kernel?";
KernelSearchResults<TextSearchResult> textResults = await textSearch.GetTextSearchResultsAsync(query, new() { Top = 2, Skip = 0 });
Console.WriteLine("\n--- Text Search Results ---\n");
await foreach (TextSearchResult result in textResults.Results)
{
Console.WriteLine($"Name: {result.Name}");
Console.WriteLine($"Value: {result.Value}");
Console.WriteLine($"Link: {result.Link}");
}
即将推出
即将推出更多内容。
即将推出
即将推出更多内容。
后续步骤
文档的以下部分介绍了如何：