在早期的 Elastic Stack 版本9.4 之前当我们定义 semantic_text 字段时没有指名它的 inference endpoint那么它的默认 inference endpoint 就是 .elser_model_2。从 Elastic Stack 9.4 之后我们可以看到这个变化。比如PUT semantic_text { mappings: { properties: { content: { type: text, copy_to: inference_field }, inference_field: { type: semantic_text } } } }如上所示我们定以了一个叫做 content 的字段它的类型是 text。我们同时也把它拷贝到 inference_field 字段而它的类型是 semantic_text。在上面我们并没有标注它的 inference id。那么在默认的情况下它的 inference id 是什么呢我们可以打入如下的命令GET semantic_text/_mapping我们可以看到在默认的情况下它的 inference_id 是.jina-embeddings-v5-text-small也就是说它支持上百种语音。我们做一个简单的例子PUT semantic_text/_bulk {index: {_id: 1}} {content: 阿里巴巴中国有限公司成立于2007年03月26日法定代表人蒋芳} {index: {_id: 2}} {content: 百度是拥有强大互联网基础的领先AI公司。百度愿景是成为最懂用户并能帮助人们成长的全球顶级高科技公司。于2000年1月1日在中关村创建了百度公司}我们写入上面的文档并做如下的查询GET semantic_text/_search { query: { match: { inference_field: 阿里是什么样的公司 } } }GET semantic_text/_search { query: { match: { inference_field: What is Baidu company? } } }很显然它天生支持多语言。有人可能想知道这个到底是怎么做到的。答案是是它在底层自动使用了 EIS (Elastic Inference Service)。详细的连接步骤请参考文章 “跳过 MLOps通过 Cloud Connect 使用 EIS 为自管理 Elasticsearch 提供托管云推理”。更多详情请观看视频https://www.bilibili.com/video/BV1BKNK6cE92/