[BUG] 使用milvus向量库查询时逻辑有误

[cheriL]

问题描述 / Problem Description

使用milvus向量库查询时逻辑有误，导致结果不准确：

1. 当前是通过similarity_search_with_score()方法获取docs，但实际上这个方法返回的不是相似度，如果是L2返回的实际是distance，应调用similarity_search_with_relevance_scores方法；
2. 当前chatchat使用的是langchain_community中的milvus库，这个库实际上已经废弃且未实现上述方法中的具体逻辑，这边参考了langchain_milvus的实现;

复现问题的步骤 / Steps to Reproduce

search_doc()即可测试

预期的结果 / Expected Result

返回准确的doc.

实际结果 / Actual Result

环境信息 / Environment Information

• Langchain-Chatchat 版本 / commit 号：master 分支
• 部署方式（pypi 安装 / 源码部署 / docker 部署）：源码部署
• 使用的模型推理框架（Xinference / Ollama / OpenAI API 等）：
• 使用的 LLM 模型（GLM-4-9B / Qwen2-7B-Instruct 等）：
• 使用的 Embedding 模型（bge-large-zh-v1.5 / m3e-base 等）：bge-large-zh-v1.5
• 使用的向量库类型 (faiss / milvus / pg_vector 等)： milvus
• 操作系统及版本 / Operating system and version: linux ubuntu22.04
• Python 版本 / Python version: 3.10
• 推理使用的硬件（GPU / CPU / MPS / NPU 等） / Inference hardware (GPU / CPU / MPS / NPU, etc.): GPU
• 其他相关环境信息 / Other relevant environment information:

附加信息 / Additional Information
添加与问题相关的任何其他信息 / Add any other information related to the issue.

[Yanhuanjin]

看到了commit👍

请问楼主解决了吗？我前段时间也碰到了这个问题，当时我是通过将判断相似度>改成判断距离<完成的，但其实很难决定这个距离的阈值设定到多少合适。今天看了下Faiss的标准化方式，欧拉距离是用1-距离/根号2，langchain那边写的是1-距离/4，但将其改到我的code，报错提示对于multi vectors并不适用，难道是因为我用的L2+HNSW索引？