Weaviate Python客户端调用nearText查询报错，求解决方案

问题描述 #

使用Python客户端测试Weaviate葡萄酒评论示例时，执行以下查询出现错误：

查询代码：

query_result = ( client.query
    .get("Wine",["title","description"])
    .with_limit(5)
    .with_near_text({"concepts" : ["white"]})
    .do())

错误响应：

{'errors': [{'locations': [{'column': 20, 'line': 1}], 'message': 'Unknown argument "nearText" on field "Wine" of type "GetObjectsObj". Did you mean "nearVector" or "nearObject"?', 'path': None}]}

空查询可正常返回结果，当前Wine类的Schema如下：

{"classes": [{"class": "Wine","invertedIndexConfig": {"bm25": {"b": 0.75,"k1": 1.2},"cleanupIntervalSeconds": 60,"stopwords": {"additions": null,"preset": "en","removals": null}},"properties": [{"dataType": ["text"],"name": "title","tokenization": "word"},{"dataType": ["text"],"name": "description","tokenization": "word"}],"replicationConfig": {"factor": 1},"shardingConfig": {"virtualPerPhysical": 128,"desiredCount": 1,"actualCount": 1,"desiredVirtualCount": 128,"actualVirtualCount": 128,"key": "_id","strategy": "hash","function": "murmur3"},"vectorIndexConfig": {"skip": false,"cleanupIntervalSeconds": 300,"maxConnections": 64,"efConstruction": 128,"ef": -1,"dynamicEfMin": 100,"dynamicEfMax": 500,"dynamicEfFactor": 8,"vectorCacheMaxObjects": 1000000000000,"flatSearchCutoff": 40000,"distance": "cosine"},"vectorIndexType": "hnsw","vectorizer": "none"}]}

预期返回与“white”相关的葡萄酒评论结果，需解决上述错误。

错误原因 #

从Schema可以看出，Wine类的vectorizer被设置为none，意味着Weaviate不会自动为该类的文本属性生成向量。而nearText查询依赖文本的向量表示，要求类必须配置文本向量器（如text2vec-openai、text2vec-cohere等），因此触发错误提示。

解决方案 #

方案1：配置文本向量器以使用nearText查询 #

先更新Wine类的Schema，指定一个文本向量器（以OpenAI向量器为例，需提前在Weaviate中配置好OpenAI API密钥）：

# 更新Schema示例代码
client.schema.update_config(
    class_name="Wine",
    config={
        "vectorizer": "text2vec-openai",
        "vectorIndexType": "hnsw"
    }
)

更新完成后，需重新导入数据（或触发Weaviate为现有数据重新生成向量），之后即可正常使用原有的nearText查询。

方案2：改用BM25关键词搜索 #

若不想配置向量器，可利用已配置好的BM25倒排索引进行关键词搜索，匹配包含“white”的内容：

query_result = (
    client.query
    .get("Wine", ["title", "description"])
    .with_limit(5)
    .with_bm25(
        query="white",
        properties=["title", "description"]  # 指定搜索的属性字段
    )
    .do()
)

这种方式无需向量支持，直接基于文本关键词匹配，可快速获取相关结果。

内容的提问来源于stack exchange，提问作者Dan Porter