Mistral AI 嵌入模型现可通过 Elasticsearch Open Inference API 获得

from elasticsearch import Elasticsearch
from elasticsearch.helpers import async_iter
 
# 假设Elasticsearch服务运行在localhost的9200端口
es = Elasticsearch("http://localhost:9200")
 
# 定义Open Inference API请求的参数
body = {
    "pipeline": {
        "processors": [
            {
                "inference": {
                    "model_id": "mistral_ai_embedding_model_id",
                    "inference_config": {
                        "index": "your_index_name",
                        "query": {
                            "match": {
                                "your_field_name": "your_query_text"
                            }
                        }
                    }
                }
            }
        ]
    }
}
 
# 使用async_iter发送异步请求
async_result = es.ingest.put_pipeline(id="mistral_ai_embedding_pipeline", body=body, params={"human": True})
 
# 异步获取结果
async for response in async_iter(async_result):
    print(response)

这段代码演示了如何在Elasticsearch中定义和运行一个Open Inference API的pipeline，用于执行Mistral AI的嵌入模型。代码中使用了异步请求来提高性能，并通过迭代器异步接收结果。在实际应用中，需要替换相关字段，如模型ID、索引名、字段名和查询文本，以适应具体的使用场景。