目录
向量搜索（Vector Search）
支持的向量类型
向量搜索选项
VectorProperty
Top 和 Skip
IncludeVectors
Filter
小结
Semantic Kernel 提供了向量存储（Vector Store）抽象层中的向量搜索功能，支持多种选项如过滤、分页等。本文将详细介绍其用法。
向量搜索（Vector Search）
SearchAsync方法允许基于已向量化的数据进行搜索。该方法接收一个向量和可选的VectorSearchOptions<TRecord>作为输入，适用于以下类型：
IVectorSearchable<TRecord>VectorStoreCollection<TKey, TRecord>
注意：
VectorStoreCollection<TKey, TRecord>实现了IVectorSearchable<TRecord>。
如下是VectorStoreCollection类的定义:
public abstract class VectorStoreCollection<TKey, TRecord> : IVectorSearchable<TRecord>, IDisposable where TKey : notnull where TRecord : class { ..... }支持的向量类型
SearchAsync的向量参数为泛型类型。每个数据存储支持的向量类型不同，请参阅各连接器文档。
⚠️ 搜索向量类型必须与目标向量类型一致。例如，同一条记录中有两个不同类型的向量，需确保提供的搜索向量与目标向量类型匹配。若有多个向量，可通过
VectorProperty指定目标。
向量搜索选项
通过VectorSearchOptions<TRecord>可配置以下选项：
VectorProperty
指定要搜索的向量属性。如果未指定且模型仅包含一个向量，则使用该向量。若没有或有多个向量而未指定，则会抛出异常。
public async IAsyncEnumerable<(Hotel Record, double? Score)> SearchByTextAsync( string query, int topK = 5, CancellationToken ct = default) { var queryVector = await _emb.CreateAsync(query, ct); var col = GetCollection(); var options = new VectorSearchOptions<Hotel> { //Filter = h => h.HotelName == "Tokyo", VectorProperty = h => h.DescriptionEmbedding, Skip = 0, IncludeVectors = false }; awaitforeach (var r in col.SearchAsync(queryVector, topK, options, ct)) { yield return (r.Record, r.Score); } }Top 和 Skip
用于分页。
Top：返回前 N 条结果
Skip：跳过前 N 条结果
var vectorSearchOptions = new VectorSearchOptions<Product> { Skip = 40 }; var searchResult = collection.SearchAsync(searchVector, top: 20, vectorSearchOptions);IncludeVectors
指定是否返回结果中的向量属性。
默认值：
false（节省带宽与处理成本）若为
true，则返回完整向量数据
var vectorSearchOptions = new VectorSearchOptions<Product> { IncludeVectors = true };Filter
用于在向量搜索前先对记录进行过滤。
好处：
降低延迟和计算开销
用于访问控制，过滤掉用户无权限的数据
⚠️ 很多存储需要字段设置为
IsIndexed = true才能参与过滤。
public async IAsyncEnumerable<(Hotel Record, double? Score)> SearchByTextAsync( string query, int topK = 5, CancellationToken ct = default) { var queryVector = await _emb.CreateAsync(query, ct); var col = GetCollection(); var options = new VectorSearchOptions<Hotel> { Filter = h => h.HotelName == "Tokyo", VectorProperty = h => h.DescriptionEmbedding, Skip = 0, IncludeVectors = false }; awaitforeach (var r in col.SearchAsync(queryVector, topK, options, ct)) { yield return (r.Record, r.Score); } }小结
Semantic Kernel 的 Vector Store 连接器提供了强大的向量搜索功能：
SearchAsync：执行相似度搜索
VectorProperty：选择目标向量
Top / Skip：支持分页
IncludeVectors：是否返回向量
Filter：先过滤后搜索，提高性能和安全性
这些功能让你能够在不同存储（如 InMemory、Qdrant 等）上轻松实现向量化搜索和检索。
引入地址
