使用數據類型定義可以設置檢索時的高級參數。

設置多向量檢索時每個向量的候選個數

title_vector = [0.1, 0.2, 0.3, 0.4]
content_vector = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6]
vectors = {
    "title": VectorQuery(vector=title_vector, num_candidates=10),
    "content": VectorQuery(vector=content_vector),
}
ret = collection.query(
    vector=vectors,
    topk=20,
)

上面的代碼中，設置title向量召回10條結果，content向量沒有設置num_candidates，召回topk=20條結果。

開啟線性（暴力）檢索

print(collection.query(vector=VectorQuery(np.random.rand(768), is_linear=True)))

調整HNSW檢索的ef參數

print(collection.query(vector=VectorQuery(np.random.rand(768), ef=100)))

HNSW索引中，ef表示檢索過程中的候選集個數，具體可參考這里。通過調整ef值，可以在檢索性能和召回之間獲得一定的權衡：增大ef值，會提升召回但可能降低檢索性能；減小ef值，會提高檢索性能但可能降低召回。

ef 的取值范圍為[0, 4294967295]，其中0表示使用默認ef值。

RNN 檢索

RNN(Radius nearest neighbour)在一般的向量檢索基礎上增加了限制條件，只返回距離query向量的距離不超過閾值radius的文檔。

print(collection.query(vector=VectorQuery(np.random.rand(768), radius=1.0)))

對于不同的距離類型，radius含義不同

1. 對于歐式距離和余弦距離，返回 score <= radius 的doc。

2. 對于內積距離，返回 score >= radius 的doc。