你遇到的核心问题是：nGram分析器拆分查询词后，默认的match查询会用OR逻辑处理单个词拆分出的所有nGram，再用AND逻辑组合不同查询词，导致仅部分nGram重叠的文档也被误命中。下面给你两种无需手动预分析的解决方案：

方案1：使用多字段索引（推荐） #

在索引时为字段设置两个子字段，分别对应nGram部分匹配和完整词精确匹配场景：

索引映射设置 #

{
  "settings": {
    "analysis": {
      "analyzer": {
        "trigram_analyzer": {
          "tokenizer": "standard",
          "filter": ["lowercase", "trigram_filter"]
        }
      },
      "filter": {
        "trigram_filter": {
          "type": "ngram",
          "min_gram": 3,
          "max_gram": 3
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "trigram_analyzer",
        "fields": {
          "standard": {
            "type": "text",
            "analyzer": "standard"
          }
        }
      }
    }
  }
}

• content字段：用你的三元nGram分析器，用于复合词的部分匹配；
• content.standard字段：用标准分析器，用于完整词的精确匹配。

对应查询 #

针对content.standard字段执行match查询，确保只有包含完整查询词的文档才会命中：

{
  "match": {
    "content.standard": {
      "query": "awesome search",
      "minimum_should_match": "100%"
    }
  }
}

这个方案的优势是可以灵活切换查询场景：需要复合词部分匹配时用content字段，需要精确完整词匹配时用content.standard字段。

方案2：使用match_phrase查询（无需修改索引） #

如果你不想调整索引结构，可以利用match_phrase的位置验证特性：它要求分析后的token按顺序连续出现，只有完整的原词才能满足所有nGram token的位置连续性要求。

对应查询 #

{
  "bool": {
    "must": [
      {
        "match_phrase": {
          "content": "awesome"
        }
      },
      {
        "match_phrase": {
          "content": "search"
        }
      }
    ]
  }
}

• 每个match_phrase会验证对应查询词拆分出的所有nGram是否按顺序连续出现，只有完整的"awesome"或"search"才能满足；
• bool.must确保两个条件同时满足，避免误匹配。

原查询不符合预期的原因 #

你的原查询逻辑是：

1. 用nGram分析器把"awesome search"拆分为awe, wes, eso, ome, sea, ear, arc, rch；
2. Elasticsearch自动分组为(awe OR wes OR eso OR ome)和(sea OR ear OR arc OR rch)两个查询项；
3. minimum_should_match: 100%要求两个查询项都匹配，也就是只要文档包含任意一个来自"awesome"的nGram，加上任意一个来自"search"的nGram就会被命中——这就是第二个文档（"some"包含ome，"search"包含sea/rch）被误命中的原因。

内容的提问来源于stack exchange，提问作者rudi