本文介绍如何在OpenSearch行业算法版中，使用AI搜索开放平台自定义部署的文本向量化模型。解决跨区域网络耗时问题，为用户提供更多模型选择。
前提条件
功能限制
-
单个实例最多创建10个定制向量分析器。
-
单个版本下应用结构中的向量索引只能配置2个。
操作步骤
创建定制模型
-
登录OpenSearch行业算法版控制台。
-
左侧导航栏选择，选择定制召回模型，单击创建按钮。
说明当实例为非独享集群时，创建按钮不可用。
-
按照要求填写以下信息配置，单击确定：表单中还包含目标应用下拉框（创建后不可更改）。表单底部提示：定制向量分析器不会收取额外费用，但创建向量索引时根据向量维度不同会导致存储容量上升；定制模型将占用实例的存储容量和计算资源。
重要-
在模型创建后仅访问Token可修改，其他均无法修改。
-
服务名称下拉选项为空时，表示当前地域中AI搜索开放平台未部署文本向量化模型。
名称
说明
模型名称
长度为1-30个字符，以字母开头，可以包含大小写字母，数字和下划线，且不能和其他模型名称相同。
功能类型
当前可选分析器、词权重、同义词，根据选择不同，页面下方展示的内容不同。
模型类型
当前可选向量模型、文本模型，若要使用AI搜索开放平台中的模型需选择向量模型。
模型来源
本期仅支持AI搜索开放平台。
服务名称
从工作空间中选择用户已经部署的向量模型服务。
访问Token
从AI搜索开放平台已经部署的服务处获取。
向量维度
向量维度是指将非结构化数据（如文本、图片等）通过Embedding模型转化为稠密向量后，该向量所包含的数值数量。这些数值通常表示数据的特征或属性，用于计算相似性、分类或其他分析任务。
-
OpenSearch通用文本向量服务-001（ops-text-embedding-001）输出向量维度：1536
-
OpenSearch文本向量服务-中文-001（ops-text-embedding-zh-001）输出向量维度：768
-
OpenSearch文本向量服务-英文-001（ops-text-embedding-en-001）输出向量维度：768
-
OpenSearch通用文本向量服务-002（ops-text-embedding-002）输出向量维度：1024
-
GTE文本向量-多语言-Base（ops-gte-sentence-embedding-multilingual-base）输出向量维度：768
关于AI搜索开放平台文本向量服务详情可查看：文本向量。
说明若输入向量维度值错误，在搜索的时候会报错，文本向量化相当于是失效。
-
-
创建完成之后即可在定制召回模型列表查看。创建完成后，在定制模型列表中可查看新建的模型，模型状态显示为可用。在操作列中可单击详情查看模型信息，或单击训练模型进行模型训练。
测试向量分词效果
-
左侧导航栏选择搜索算法中心>召回配置>分词管理>向量分析器，找到对应的分词单击分词测试。
-
主要用于验证连通性，以检查配置是否有问题。如果能够返回准确的维度和结果，则说明一切正常。在弹出的 分析器效果测试 对话框中，输入测试文本（例如"企业"），单击 测试，分析结果区域将显示分析器名称、向量维度（例如1024）及对应的浮点数embedding向量值。
说明若提示”Invalid embedding size“相关报错时，请检查向量维度输入是否有误。
在实例中配置并测试模型效果
-
在实例管理>找到对应的应用，进入详情页，单击线下变更。
-
在配置索引结构页面，找到对应的索引，选择需要生效的模型版本：在 索引结构 步骤中，找到 索引字段列表，为向量索引（如 ai_vector）的 分析方式 选择 向量分析，并在展开的子菜单中选择已部署的向量模型（如 test_model）。
-
完成线下变更，操作等待索引重建完成，应用状态为正常时，表示索引构建完成。
此时线下应用的状态显示为应用初始化中，等待该状态变为正常即可。
-
配置搜索召回时使用的向量模型，单击搜索算法中心>召回配置>查询分析器配置>创建，在功能选择模块选择文本向量化，向量索引值为步骤2中配置的索引名称。详情参见查询分析配置。
-
通过功能扩展>搜索测试对其效果进行测试。在搜索测试页面执行查询后，单击查询分析过程，可在分析过程中查看文本向量化的生效结果，包括向量索引名称、向量维度（如 768）及向量结果。
说明在进行效果进行测试时，raw_query是必传字段，若不传该字段则文本向量化无法生效。
详情页说明
-
向量分析器详情中包含基本信息、配置信息字段。
-
基本信息包含创建时间，以及模型的状态。
-
配置信息包含模型来源、服务名称、访问Token、向量维度、含义与用户创建时的含义相同，调用信息是AI搜索开放平台部署服务的API域名。