OpenSearch向量搜索：实现仅返回相似度分数并筛选field1含A/C的查询

要实现仅返回向量相似度分数，同时筛选出field1包含"A"或"C"的文档，核心是把过滤条件和向量查询分离，让过滤操作不影响最终分数计算，具体做法如下：

• 用bool查询的filter子句处理field1的筛选：filter只会过滤符合条件的文档，不会对最终的相似度分数产生任何影响。
• 用bool的must子句执行向量查询（比如KNN查询），这样最终返回的_score就是纯向量相似度分数。
• 通过_source: false控制仅返回分数（和文档ID），不返回原始字段内容。

示例查询 #

{
  "_source": false,
  "query": {
    "bool": {
      "filter": [
        {
          "terms": {
            "field1": ["A", "C"]
          }
        }
      ],
      "must": [
        {
          "knn": {
            "text_encoded": {
              "vector": [0.1, 0.2, 0.3], // 替换为你的查询向量
              "k": 20 // 按需设置返回的相似文档数量
            }
          }
        }
      ]
    }
  }
}

关键说明 #

1. 为什么不用should：如果把field1的筛选放在should里，OpenSearch会将should的匹配分数和向量查询的分数加权合并，最终得到的是混合了词项匹配的相关性分数，而非纯向量相似度分数。
2. filter的作用：filter子句仅负责文档过滤，不参与分数计算，能保证最终的_score完全来自向量查询的相似度计算。
3. 仅返回分数：_source: false会屏蔽原始文档内容的返回，结果里只会包含文档ID和对应的_score（即相似度分数）。

内容的提问来源于stack exchange，提问作者ardito.bryan