MongoDB Atlas向量搜索返回全部文档问题排查与解决

问题背景 #

已在MongoDB Atlas创建名为LocationSemanticSearch的向量索引，对应Flask API调用/get-properties接口执行向量搜索时，返回集合内全部文档而非语义匹配的过滤结果。

核心排查点及修复方案 #

1. 补全文档的向量字段（最关键原因） #

当前/add-property接口插入文档时，并未生成并存储索引依赖的addr_embedding_hf向量字段——缺失该字段会导致向量搜索无法进行语义匹配，最终返回全部文档。

修复代码（修改setProperties函数）：

# 原代码：property_dict = property.to_dict()
# 修改为：
property_dict = property.to_dict()
# 新增：生成地址的向量嵌入并添加到文档
property_dict["addr_embedding_hf"] = hf.generate_embedding(data.get('address'))

2. 校验查询向量维度与索引匹配 #

确认hf.generate_embedding(q)生成的向量维度为384维，与索引Schema中numDimensions: 384完全一致。维度不匹配会直接导致向量搜索失效。

可在getProperties函数中添加维度校验：

query_vector = hf.generate_embedding(q)
if len(query_vector) != 384:
    return jsonify({'error': 'Query vector dimension mismatch'}), 400

3. 确认向量索引的集合与配置正确性 #

• 确保LocationSemanticSearch索引创建在Apnahood数据库的houses集合上；
• 索引的path字段addr_embedding_hf与文档中的字段名完全一致（MongoDB字段名大小写敏感）。

4. 优化$vectorSearch参数 #

• 确保index参数值与向量索引名称完全匹配；
• numCandidates值不要超过集合内文档总数，可动态设置避免无效计算：

  "numCandidates": min(300, house_collection.count_documents({})),
  

修复后的完整/get-properties接口 #

@server_bp.route('/get-properties', methods=['POST'])
def getProperties():
    data = request.get_json()
    q = data.get('query')

    if not q:
        return jsonify({'error': 'Location parameter is required'}), 400

    try:
        query_vector = hf.generate_embedding(q)
        # 校验向量维度
        if len(query_vector) != 384:
            return jsonify({'error': 'Query vector dimension mismatch'}), 400
            
        properties = house_collection.aggregate([{
            "$vectorSearch": {
                "queryVector": query_vector,
                "path": "addr_embedding_hf",
                "limit": 8,
                "index": "LocationSemanticSearch",
                "numCandidates": min(300, house_collection.count_documents({})),
            }
        }])
        properties_list = []
        for property in properties:
            del property["_id"]
            del property["addr_embedding_hf"]
            properties_list.append(property)
        return jsonify(properties_list), 200

    except Exception as e:
        return jsonify({"error": str(e)}), 500

内容的提问来源于stack exchange，提问作者Dm420