环境变量配置

优先从环境变量读取配置，禁止硬编码明文敏感信息：

# ByteHouse 配置
export BYTEHOUSE_HOST="<你的ByteHouse连接地址>"
export BYTEHOUSE_PORT="<ByteHouse端口>"
export BYTEHOUSE_USER="<ByteHouse用户名>"
export BYTEHOUSE_PASSWORD="<ByteHouse密码>"
export BYTEHOUSE_DATABASE="<默认数据库，可选，默认default>"
export BYTEHOUSE_SECURE="<是否启用加密，可选，默认true>"

# 火山引擎方舟 API 配置
export ARK_API_KEY="<火山引擎方舟API密钥>"
export ARK_BASE_URL="https://ark.cn-beijing.volces.com/api/v3"
export EMBEDDING_MODEL="doubao-embedding-vision-251215"
export EMBEDDING_DIMENSIONS="1536"  # 可选，默认1536

如果环境变量未配置，会自动提示用户输入。

📚 核心能力

1. 多模态向量化

基于豆包多模态向量化模型 doubao-embedding-vision-251215：

输入类型	支持格式	最大限制
文本	纯文本字符串	无长度限制
图片	JPG/PNG/GIF/WEBP/BMP	<10MB，宽高>14px
视频	MP4/AVI/MOV	<50MB

关键约束：

多模态向量化必须调用 /embeddings/multimodal 接口
图片/视频输入格式：{"type": "image_url", "image_url": {"url": "xxx"}}
部分模型不支持 dimensions 参数

2. 向量检索功能

功能	方法	说明
纯向量检索	`vector_search()`	基于向量相似度检索
混合检索	`hybrid_search()`	向量+全文检索融合
以文搜图	`text_search_image()`	文本搜索图片
以图搜图	`image_search_image()`	图片搜索相似图片
以文搜视频	`text_search_video()`	文本搜索视频

📖 代码实现

完整示例代码实现位于 scripts/ 目录：

scripts/embedding.py - 多模态向量化模块
scripts/search_client.py - ByteHouse 检索客户端
scripts/examples.py - 使用示例

快速使用

from scripts import ByteHouseMultimodalSearch

# 初始化客户端
search = ByteHouseMultimodalSearch(connection_type="http")

# 创建表
search.create_multimodal_table("my_index")

# 插入文档
search.insert_document("my_index", doc_id=1, content_type="text", 
                      content="ByteHouse 多模态检索", title="介绍")

# 向量检索
results = search.vector_search("my_index", query_embedding=embedding, top_k=10)

⚙️ 最佳实践

索引选择

数据规模	索引类型	适用场景
<100万	HNSW	中小规模，低延迟
100万-1亿	HNSW_SQ	大规模，平衡性能成本
>1亿	IVF_PQ_FS	超大规模

性能优化

SETTINGS 
    index_granularity = 1024,
    index_granularity_bytes = 0,
    enable_vector_index_preload = 1

指令优化

场景	Query 侧指令
通用文搜图	`Target_modality: image. Instruction:根据文本描述找到对应的图片.`
电商商品检索	`Target_modality: image. Instruction:找到和描述匹配的同款商品图片.`
原图检索	`Target_modality: image. Instruction:查找和本图完全相同的图片.`

❓ 常见问题

Q1: 向量维度怎么选？

推荐 1536 维作为通用值
维度越高精度越高，但成本也越高

Q2: 如何处理低召回问题？

增大 hnsw_ef_s 参数

Q3: API 调用失败排查

404: 检查路径是否为 /embeddings/multimodal
400: 检查输入格式，部分模型不支持 dimensions
401: 检查 ARK_API_KEY 是否正确
429: 降低请求频率

环境变量配置

📚 核心能力

1. 多模态向量化

2. 向量检索功能

📖 代码实现

快速使用

⚙️ 最佳实践

索引选择

性能优化

指令优化

❓ 常见问题

🔗 参考文档

byted-bytehouse-multimodal-search

ByteHouse 多模态检索 Skill

🚀 快速开始

环境准备