在企业智能化升级浪潮中，信息检索正从"关键词匹配"向"语义理解"转变。传统基于倒排索引的搜索引擎依赖字符串层面的匹配，难以捕捉用户查询背后的真实意图，这限制了搜索体验效果、推荐准确率、客服响应质量以及知识问答系统的智能化水平。

以电商平台为例，当用户搜索"适合夏天的白色连衣裙"时，仅匹配商品标题或类目关键词的系统很难完整理解"适合夏天"这一语义——它可能涉及面料、款式等多个维度。类似的挑战也存在于金融文档检索、智能客服、知识图谱关联等场景。

为此，我们计划构建基于向量检索的语义搜索系统。其核心目标是将业务数据中的文本字段实时转化为语义向量，写入支持近似最近邻(ANN)向量搜索的数据库，实现语义级的信息检索。

通过SeaTunnel的OpenSearch Sink插件，我们可以在Transform阶段调用embedding服务，将原始文本字段转换为高维稠密向量，同时保留关联ID、标签和元数据供下游存储。

讲师:

Xin Zhang 是亚马逊云科技（AWS）解决方案架构师，负责基于AWS云平台的解决方案咨询与设计。他在系统架构、数据仓库及实时计算等领域的研发与架构实践方面拥有丰富经验。