Atlas Vector Search过滤报错：metadata.author需token索引，添加后仍无效

API 探路者

2026-6-14

解决Spring AI 1.0.0-M6集成MongoDB时$vectorSearch过滤报错问题

可能的原因及对应解决方案

1. 核对向量搜索索引的完整定义

确保你创建的向量索引中，metadata.author字段被明确配置为token类型，且索引包含向量字段与过滤字段的完整配置。示例索引创建语句：

db.collection.createIndex(
  { "embedding": "vector" },
  {
    name: "vector-search-index",
    vectorOptions: {
      type: "float",
      dimensions: 1536,
      similarity: "cosine"
    },
    fields: [
      { path: "metadata.author", type: "token" }
    ]
  }
)

重点：fields数组必须显式包含用于过滤的目标字段，且类型指定为token，不能省略或配置错误。

2. 检查Spring AI生成的聚合查询正确性

由于使用的是Spring AI 1.0.0-M6（与教程版本存在语法差异），需打印完整的聚合查询日志，确认$vectorSearch阶段的过滤条件字段路径（如metadata.author）与索引定义完全一致，排查是否存在大小写错误、嵌套路径拼写错误等问题。

3. 验证索引是否生效

执行以下命令查看集合的所有索引，确认目标索引的fields配置中确实包含metadata.author的token类型定义：

db.collection.getIndexes()

若索引未正确创建，先删除旧索引再重新创建：

db.collection.dropIndex("vector-search-index")
// 重新执行正确的索引创建语句

4. 适配Spring AI 1.0.0-M6的API用法

新版本Spring AI的向量搜索过滤条件构建API可能有变化，确保使用对应版本的语法，示例代码：

VectorSearchRequest request = VectorSearchRequest.builder()
    .queryVector(embedding)
    .filter(Criteria.where("metadata.author").is("A"))
    .build();

避免沿用旧版本语法，导致框架生成的查询字段路径不符合索引要求。