关于Haystack 2结合Elasticsearch复杂文档的查询功能咨询

嗨，别担心，这绝对不是个蠢问题！刚接触Haystack 2的时候，确实会因为API的变动有点摸不着头脑，我来帮你梳理下怎么实现你想要的查询~

首先先明确你的文档结构，你在Elasticsearch的movies索引里的文档是这样的：

{
  "_id": "ObjectId",
  "title": "Some film",
  "actors": [ { "_id": "ObjectId", "title": "Actor A" }, { "_id": "ObjectId", "title": "Actor B" } ]
}

针对你提到的两种查询场景，Haystack 2完全可以实现，虽然search_fields参数在新版本的ElasticsearchDocumentStore里被移除了，但我们可以用更灵活的方式来处理嵌套字段的检索和问答。

场景1：查询某部电影里的演员（比如「Who're the actors in Some film」） #

这种需求可以通过「检索+信息提取」的组合来完成：

1. 先确保你已经把movies索引的文档导入到ElasticsearchDocumentStore中，Haystack 2会自动识别文档的嵌套结构。
2. 使用BM25Retriever或者EmbeddingRetriever先检索到目标电影的文档，比如用电影名作为查询词，找到对应的那篇文档。
3. 接着用PromptNode来提取演员信息，写一个简单的提示词就能实现：

   from haystack.nodes import PromptNode
   
   prompt_node = PromptNode(model_name_or_path="gpt-3.5-turbo")
   prompt = """
   Given the following movie document, list all the actors in the film.
   Document: {document}
   Answer only with the actor names separated by commas.
   """
   # 假设retrieved_docs是检索到的目标电影文档
   answer = prompt_node.run(prompt, document=retrieved_docs[0].content)
   

   这样就能直接得到你要的演员列表了。

场景2：查询某演员参演的电影（比如「What films did Actor A play in?」） #

这个需要针对嵌套的actors.title字段做检索，Haystack 2支持通过自定义Elasticsearch查询来实现：

1. 如果你用BM25Retriever，可以通过custom_query参数传入嵌套查询的语法，精准匹配演员名称：

   from haystack.document_stores.elasticsearch import ElasticsearchDocumentStore
   from haystack.retrievers import BM25Retriever
   
   document_store = ElasticsearchDocumentStore(host="localhost", username="", password="", index="movies")
   retriever = BM25Retriever(document_store=document_store)
   
   # 构建自定义的嵌套查询，匹配actors.title为"Actor A"的文档
   custom_query = {
       "query": {
           "nested": {
               "path": "actors",
               "query": {
                   "match": {
                       "actors.title": "Actor A"
                   }
               }
           }
       }
   }
   
   # 执行检索，这里query参数可以留空，因为我们用了custom_query
   results = retriever.retrieve(query="", custom_query=custom_query)
   

2. 拿到检索结果后，你可以遍历结果提取每篇文档的title字段，就是Actor A参演的电影列表；如果想要自然语言的回答，同样可以结合PromptNode来生成。

小提示 #

Haystack 2的API设计更偏向模块化，把旧版本search_fields的功能拆分成了更灵活的自定义查询、检索器配置，以及结合大模型的信息提取能力。如果你是新手，建议先从基础教程入手，熟悉DocumentStore、Retriever和PromptNode这几个核心组件，再针对嵌套字段的场景做调整，很快就能上手啦~

备注：内容来源于stack exchange，提问作者Andrew