# 搜索引擎通用化开发进度

  ## 项目概述

  
  对后端搜索技术 做通用化。

  通用化的本质 是 对于各种业务数据、各种检索需求，都可以  用少量定制+配置化 来实现效果。
  

  **通用化的本质**：对于各种业务数据、各种检索需求，都可以用少量定制+配置化来实现效果。
  
  ---
  
  ## 1. 原始数据层的约定
  

  ### 1.1 店匠主表
  
  所有租户共用以下主表：
  - `shoplazza_product_sku` - SKU级别商品数据
  - `shoplazza_product_spu` - SPU级别商品数据
  

  ### 1.2 索引结构（SPU维度）
  
  **统一索引架构**：
  - 所有客户共享同一个Elasticsearch索引：`search_products`
  - 索引粒度：SPU级别（每个文档代表一个SPU）
  - 数据隔离：通过`tenant_id`字段实现租户隔离

  - 嵌套结构：每个SPU文档包含嵌套的`skus`数组

  
  **索引文档结构**：
  ```json
  {
    "tenant_id": "1",

    "spu_id": "123",

    "title_zh": "蓝牙耳机",
    "title_en": "Bluetooth Headphones",
    "brief_zh": "高品质蓝牙耳机",
    "brief_en": "High-quality Bluetooth headphones",
    "category_name": "电子产品",
    "category_path_zh": "电子产品/音频设备/耳机",
    "category_path_en": "Electronics/Audio/Headphones",
    "category1_name": "电子产品",
    "category2_name": "音频设备",
    "category3_name": "耳机",
    "vendor_zh": "品牌A",
    "vendor_en": "Brand A",
    "min_price": 199.99,
    "max_price": 299.99,
    "option1_name": "color",
    "option2_name": "size",
    "specifications": [
      {
        "sku_id": "456",
        "name": "color",
        "value": "black"
      },
      {
        "sku_id": "456",
        "name": "size",
        "value": "large"
      }
    ],

    "skus": [

      {

        "sku_id": "456",

        "price": 199.99,

        "compare_at_price": 249.99,
        "sku_code": "SKU-123-1",
        "stock": 50,
        "weight": 0.2,
        "weight_unit": "kg",
        "option1_value": "black",
        "option2_value": "large",
        "option3_value": null,
        "image_src": "https://example.com/image.jpg"

      }
    ],

    "title_embedding": [0.1, 0.2, ...],  // 1024维向量
    "image_embedding": [
      {
        "vector": [0.1, 0.2, ...],  // 1024维向量
        "url": "https://example.com/image.jpg"
      }
    ]

  }
  ```

  ### 1.3 索引结构简化方案

  **简化原则**：
  - **硬编码映射**：ES mapping 结构直接定义在 JSON 文件中（`mappings/search_products.json`）
  - **统一索引结构**：所有租户共享相同的索引结构，通过 `tenant_id` 隔离数据
  - **数据源统一**：所有租户使用相同的 MySQL 表结构（店匠标准表）
  - **查询配置硬编码**：查询相关配置（字段 boost、查询域等）硬编码在 `search/query_config.py`

  **索引结构特点**：
  1. **多语言字段**：所有文本字段支持中英文（`title_zh/en`, `brief_zh/en`, `description_zh/en`, `vendor_zh/en`, `category_path_zh/en`, `category_name_zh/en`）
  2. **嵌套字段**：
     - `skus`: SKU 嵌套数组（包含价格、库存、选项值等）
     - `specifications`: 规格嵌套数组（包含 name、value、sku_id）
     - `image_embedding`: 图片向量嵌套数组
  3. **扁平化字段**：`sku_prices`, `sku_weights`, `total_inventory` 等用于过滤和排序
  4. **向量字段**：`title_embedding`（1024维）用于语义搜索

  **实现文件**：
  - `mappings/search_products.json` - ES mapping 定义（硬编码）
  - `search/query_config.py` - 查询配置（硬编码）
  - `indexer/mapping_generator.py` - 加载 JSON mapping 并创建索引

  
  ---
  

  ## 2. 索引结构实现
  
  ### 2.1 硬编码映射方案
  
  **实现方式**：
  - ES mapping 直接定义在 `mappings/search_products.json` 文件中
  - 所有租户共享相同的索引结构
  - 查询配置硬编码在 `search/query_config.py`
  
  **索引字段结构**：
  
  #### 基础字段
  - `tenant_id` (keyword): 租户ID，用于数据隔离
  - `spu_id` (keyword): SPU唯一标识
  - `create_time`, `update_time` (date): 创建和更新时间
  
  #### 多语言文本字段
  - `title_zh/en` (text): 标题（中英文）
  - `brief_zh/en` (text): 短描述（中英文）
  - `description_zh/en` (text): 详细描述（中英文）
  - `vendor_zh/en` (text): 供应商/品牌（中英文）
  - `category_path_zh/en` (text): 类目路径（中英文）
  - `category_name_zh/en` (text): 类目名称（中英文）
  
  **分析器配置**：
  - 中文字段：`hanlp_index`（索引时）/ `hanlp_standard`（查询时）
  - 英文字段：`english`
  - `vendor` 字段包含 `keyword` 子字段（normalizer: lowercase）
  
  #### 分类字段
  - `category_id` (keyword): 类目ID
  - `category_name` (keyword): 类目名称
  - `category_level` (integer): 类目层级
  - `category1_name`, `category2_name`, `category3_name` (keyword): 多级类目名称
  
  #### 规格字段（Specifications）
  - `specifications` (nested): 规格嵌套数组
    - `sku_id` (keyword): SKU ID
    - `name` (keyword): 规格名称（如 "color", "size"）
    - `value` (keyword): 规格值（如 "white", "256GB"）
  
  **用途**：
  - 支持按规格过滤：`{"specifications": {"name": "color", "value": "white"}}`
  - 支持规格分面：`["specifications"]` 或 `["specifications.color"]`
  
  #### SKU嵌套字段
  - `skus` (nested): SKU嵌套数组
    - `sku_id`, `price`, `compare_at_price`, `sku_code`
    - `stock`, `weight`, `weight_unit`
    - `option1_value`, `option2_value`, `option3_value`
    - `image_src` (index: false)
  
  #### 选项名称字段
  - `option1_name`, `option2_name`, `option3_name` (keyword): 选项名称（如 "color", "size"）
  
  #### 扁平化字段
  - `min_price`, `max_price`, `compare_at_price` (float): 价格字段
  - `sku_prices` (float[]): 所有SKU价格数组
  - `sku_weights` (long[]): 所有SKU重量数组
  - `total_inventory` (long): 总库存
  
  #### 向量字段
  - `title_embedding` (dense_vector, 1024维): 标题向量，用于语义搜索
  - `image_embedding` (nested): 图片向量数组
    - `vector` (dense_vector, 1024维)
    - `url` (text)

  **实现模块**：

  - `mappings/search_products.json` - ES mapping 定义
  - `indexer/mapping_generator.py` - 加载 JSON mapping 并创建索引
  - `search/query_config.py` - 查询配置（字段 boost、查询域等）

  
  ### 2.2 索引结构配置（查询域配置）
  
  **配置内容**：定义了 ES 的字段索引 mapping 配置，支持各个域的查询，包括默认域的查询。
  
  **实现情况**：
  
  #### 域（Domain）配置
  每个域定义了：
  - 域名称（如 `default`, `title`, `category`, `brand`）
  - 域标签（中文描述）
  - 搜索字段列表
  - 默认分析器
  - 权重（boost）
  - **多语言字段映射**（`language_field_mapping`）
  
  #### 多语言字段映射
  
  支持将不同语言的查询路由到对应的字段：
  
  ```yaml
  indexes:
    - name: "default"
      label: "默认索引"
      fields:
        - "name"
        - "enSpuName"
        - "ruSkuName"
        - "categoryName"
        - "brandName"
      analyzer: "chinese_ecommerce"
      boost: 1.0
      language_field_mapping:
        zh:
          - "name"
          - "categoryName"
          - "brandName"
        en:
          - "enSpuName"
        ru:
          - "ruSkuName"
  
    - name: "title"
      label: "标题索引"
      fields:
        - "name"
        - "enSpuName"
        - "ruSkuName"
      analyzer: "chinese_ecommerce"
      boost: 2.0
      language_field_mapping:
        zh:
          - "name"
        en:
          - "enSpuName"
        ru:
          - "ruSkuName"
  ```
  
  **工作原理**：
  1. 检测查询语言（中文、英文、俄文等）
  2. 如果查询语言在 `language_field_mapping` 中，使用原始查询搜索对应语言的字段
  3. 将查询翻译到其他支持的语言，分别搜索对应语言的字段
  4. 组合多个语言查询的结果，提高召回率
  
  **实现模块**：

  - `search/es_query_builder.py` - ES 查询构建器（单层架构）

  - `query/query_parser.py` - 查询解析器（支持语言检测和翻译）

  - `search/query_config.py` - 查询配置（字段 boost、查询域等）

  
  ---
  

  ## 3. 数据导入流程

  
  ### 3.1 数据源
  

  **店匠标准表**（Base配置使用）：
  - `shoplazza_product_spu` - SPU级别商品数据
  - `shoplazza_product_sku` - SKU级别商品数据

  **其他客户表**（tenant1等）：

  - 使用各自的数据源表和扩展表

  ### 3.2 数据导入方式

  **数据源统一**：
  - 所有租户使用相同的MySQL表结构（店匠标准表）
  - 数据转换逻辑写死在转换器代码中
  - 索引结构硬编码，不依赖配置

  #### 数据导入流程（店匠通用）

  
  **脚本**：`scripts/ingest_shoplazza.py`

  **数据流程**：

  1. **数据加载**：
     - 从MySQL读取`shoplazza_product_spu`表（SPU数据）
     - 从MySQL读取`shoplazza_product_sku`表（SKU数据）
     - 从MySQL读取`shoplazza_product_option`表（选项定义）
  

  2. **数据转换**（`indexer/spu_transformer.py`）：
     - 按`spu_id`和`tenant_id`关联SPU和SKU数据

     - **多语言字段映射**：
       - MySQL的`title` → ES的`title_zh`（英文字段设为空）
       - 其他文本字段类似处理
     - **分类字段映射**：
       - 从SPU表的`category_path`解析多级类目（`category1_name`, `category2_name`, `category3_name`）
       - 映射`category_id`, `category_name`, `category_level`
     - **规格字段构建**（`specifications`）：
       - 从`shoplazza_product_option`表获取选项名称（`name`）
       - 从SKU的`option1/2/3`字段获取选项值（`value`）
       - 构建嵌套数组：`[{"sku_id": "...", "name": "color", "value": "white"}, ...]`
     - **选项名称映射**：
       - 从`shoplazza_product_option`表获取`option1_name`, `option2_name`, `option3_name`
     - **SKU嵌套数组构建**：
       - 包含所有SKU字段（价格、库存、选项值、图片等）
     - **扁平化字段计算**：
       - `min_price`, `max_price`: 从所有SKU价格计算
       - `sku_prices`: 所有SKU价格数组
       - `total_inventory`: SKU库存总和

     - 注入`tenant_id`字段

  3. **索引创建**：

     - 从`mappings/search_products.json`加载ES mapping

     - 创建或更新`search_products`索引

  4. **批量入库**：

     - 批量写入ES（默认每批500条）

     - 错误处理和重试机制
  

  **命令行工具**：
  ```bash
  python scripts/ingest_shoplazza.py \
      --db-host localhost \
      --db-port 3306 \
      --db-database saas \
      --db-username root \
      --db-password password \
      --tenant-id "1" \
      --config base \
      --es-host http://localhost:9200 \
      --recreate \
      --batch-size 500

  ```
  

  #### 其他客户数据导入
  
  - 使用各自的数据转换器（如`indexer/data_transformer.py`）
  - 数据源映射逻辑写死在各自的转换器中
  - 共享`search_products`索引，通过`tenant_id`隔离

  
  **实现模块**：

  - `indexer/spu_transformer.py` - SPU数据转换器（Base配置）
  - `indexer/data_transformer.py` - 通用数据转换器（其他客户）

  - `indexer/bulk_indexer.py` - 批量索引器

  - `scripts/ingest_shoplazza.py` - 店匠数据导入脚本

  
  ---
  
  ## 4. QueryParser 实现
  
  
  ### 4.1 查询改写（Query Rewriting）
  
  配置词典的key是query，value是改写后的查询表达式，比如。比如品牌词 改写为在brand|query OR name|query，类别词、标签词等都可以放进去。纠错、规范化、查询改写等 都可以通过这个词典来配置。
  **实现情况**：
  
  #### 配置方式
  在 `query_config.rewrite_dictionary` 中配置查询改写规则：
  
  ```yaml
  query_config:
    enable_query_rewrite: true
    rewrite_dictionary:
      "芭比": "brand:芭比 OR name:芭比娃娃"
      "玩具": "category:玩具"
      "消防": "category:消防 OR name:消防"
  ```
  
  #### 功能特性
  - **精确匹配**：查询完全匹配词典 key 时，替换为 value
  - **部分匹配**：查询包含词典 key 时，替换该部分
  - **支持布尔表达式**：value 可以是复杂的布尔表达式（AND, OR, 域查询等）
  
  #### 实现模块
  - `query/query_rewriter.py` - 查询改写器
  - `query/query_parser.py` - 查询解析器（集成改写功能）
  
  ### 4.2 翻译（Translation）
  
  **实现情况**：
  
  #### 配置方式
  ```yaml
  query_config:
    supported_languages:
      - "zh"
      - "en"
      - "ru"
    default_language: "zh"
    enable_translation: true
    translation_service: "deepl"
    translation_api_key: null  # 通过环境变量设置
  ```
  
  #### 功能特性
  1. **语言检测**：自动检测查询语言
  2. **智能翻译**：
     - 如果查询是中文，翻译为英文、俄文
     - 如果查询是英文，翻译为中文、俄文
     - 如果查询是其他语言，翻译为所有支持的语言
  3. **域感知翻译**：
     - 如果域有 `language_field_mapping`，只翻译到映射中存在的语言
     - 避免不必要的翻译，提高效率
  4. **翻译缓存**：缓存翻译结果，避免重复调用 API
  
  #### 工作流程
  ```

  查询输入 → 语言检测 → 翻译 → 查询构建（filters and (text_recall or embedding_recall)）

  ```
  
  #### 实现模块
  - `query/language_detector.py` - 语言检测器
  - `query/translator.py` - 翻译器（DeepL API）
  - `query/query_parser.py` - 查询解析器（集成翻译功能）
  
  ### 4.3 文本向量化（Text Embedding）
  
  如果配置打开了text_embedding查询，并且query 包含了default域的查询，那么要把default域的查询词转向量，后面searcher会用这个向量参与查询。
  
  **实现情况**：
  
  #### 配置方式
  ```yaml
  query_config:
    enable_text_embedding: true
  ```
  
  #### 功能特性
  1. **条件生成**：
     - 仅当 `enable_text_embedding=true` 时生成向量
     - 仅对 `default` 域查询生成向量
  2. **向量模型**：BGE-M3 模型（1024维向量）
  3. **用途**：用于语义搜索（KNN 检索）
  
  #### 实现模块
  - `embeddings/bge_encoder.py` - BGE 文本编码器
  - `query/query_parser.py` - 查询解析器（集成向量生成）
  
  ---
  
  ## 5. Searcher 实现
  
  参考opensearch，他们自己定义的一套索引结构配置、支持自定义的一套检索表达式、排序表达式，这是各个客户进行配置化的基础，包括索引结构配置、排序策略配置。
  比如各种业务过滤策略 可以简单的通过表达式满足，比如brand|耐克 AND cate2|xxx。指定字段排序可以通过排序的表达式实现。
  
  查询默认在default域，相也会对这个域的查询做一些相关性的重点优化，包括融合语义相关性、多语言相关性（可以基于配置 将查询翻译到指定语言并在对应的语言的字段进行查询）来弥补传统查询分析手段（比如查询改写 纠错 词权重等）的不足，也支持通过配置一些词表转为泛查询模式来优化相关性。
  
  ### 5.1 布尔表达式解析
  
  **实现情况**：
  
  #### 支持的运算符
  - **AND**：所有项必须匹配
  - **OR**：任意项匹配
  - **RANK**：排序增强（类似 OR 但影响排序）
  - **ANDNOT**：排除（第一项匹配，第二项不匹配）
  - **()**：括号分组
  
  #### 优先级（从高到低）
  1. `()` - 括号
  2. `ANDNOT` - 排除
  3. `AND` - 与
  4. `OR` - 或
  5. `RANK` - 排序
  
  #### 示例
  ```
  laptop AND (gaming OR professional) ANDNOT cheap
  ```
  
  #### 实现模块
  - `search/boolean_parser.py` - 布尔表达式解析器
  - `search/searcher.py` - 搜索器（集成布尔解析）
  
  ### 5.2 多语言搜索
  
  **实现情况**：
  
  #### 工作原理
  1. **查询解析**：
     - 提取域（如 `title:查询` → 域=`title`，查询=`查询`）
     - 检测查询语言
     - 生成翻译

  2. **查询构建**（简化架构）：
     - **结构**: `filters AND (text_recall OR embedding_recall)`
     - **filters**: 前端传递的过滤条件（永远起作用，放在 `filter` 中）

       - 普通字段过滤：`{"category_name": "手机"}`
       - 范围过滤：`{"min_price": {"gte": 50, "lte": 200}}`
       - **Specifications嵌套过滤**：
         - 单个规格：`{"specifications": {"name": "color", "value": "white"}}`

         - 多个规格：`{"specifications": [{"name": "color", "value": "white"}, {"name": "size", "value": "256GB"}]}`
         - 过滤逻辑：不同维度（不同name）是AND关系，相同维度（相同name）的多个值是OR关系

         - 使用ES的`nested`查询实现

     - **text_recall**: 文本相关性召回
       - 同时搜索中英文字段（`title_zh/en`, `brief_zh/en`, `description_zh/en`, `vendor_zh/en`, `category_path_zh/en`, `category_name_zh/en`, `tags`）
       - 使用 `multi_match` 查询，支持字段 boost

       - 中文字段使用中文分词器，英文字段使用英文分析器

     - **embedding_recall**: 向量召回（KNN）
       - 使用 `title_embedding` 字段进行 KNN 搜索

       - ES 自动与文本召回合并（OR逻辑）

     - **function_score**: 包装召回部分，支持提权字段（新鲜度、销量等）
  
  #### 查询结构示例
  ```json
  {
    "query": {
      "bool": {
        "must": [
          {
            "function_score": {
              "query": {
                "multi_match": {
                  "query": "手机",
                  "fields": [
                    "title_zh^3.0", "title_en^3.0",
                    "brief_zh^1.5", "brief_en^1.5",
                    ...
                  ]
                }
              },
              "functions": [...]
            }
          }
        ],
        "filter": [
          {"term": {"tenant_id": "2"}},
          {"term": {"category_name": "手机"}}
        ]
      }
    },
    "knn": {
      "field": "title_embedding",
      "query_vector": [...],
      "k": 50,
      "boost": 0.2
    }
  }

  ```
  
  #### 实现模块

  - `search/es_query_builder.py` - ES 查询构建器（单层架构，`build_query` 方法）
  - `search/searcher.py` - 搜索器（使用 `ESQueryBuilder`）

  
  ### 5.3 相关性计算（Ranking）
  
  **实现情况**：
  
  #### 当前实现
  **公式**：`bm25() + 0.2 * text_embedding_relevance()`
  
  - **bm25()**：BM25 文本相关性得分
    - 包括多语言打分
    - 内部通过配置翻译为多种语言
    - 分别到对应的字段搜索
    - 中文字段使用中文分词器，英文字段使用英文分词器
  - **text_embedding_relevance()**：文本向量相关性得分（KNN 检索的打分）
    - 权重：0.2
  
  #### 配置方式
  ```yaml
  ranking:
    expression: "bm25() + 0.2*text_embedding_relevance()"
    description: "BM25 text relevance combined with semantic embedding similarity"
  ```
  
  #### 扩展性
  - 支持表达式配置（未来可扩展）
  - 支持自定义函数（如 `timeliness()`, `field_value()`）
  
  #### 实现模块
  - `search/ranking_engine.py` - 排序引擎
  - `search/searcher.py` - 搜索器（集成排序功能）

  ---

  ## 6. 已完成功能总结

  ### 6.1 配置系统
  - ✅ 字段定义配置（类型、分析器、来源表/列）
  - ✅ 索引域配置（多域查询、多语言映射）
  - ✅ 查询配置（改写词典、翻译配置）
  - ✅ 排序配置（表达式配置）
  - ✅ 配置验证（字段存在性、类型检查、分析器匹配）

  ### 6.2 数据索引
  - ✅ 数据转换（字段映射、类型转换）
  - ✅ 向量生成（文本向量、图片向量）
  - ✅ 向量缓存（避免重复计算）
  - ✅ 批量索引（错误处理、重试机制）
  - ✅ ES mapping 自动生成

  ### 6.3 查询处理
  - ✅ 查询改写（词典配置）
  - ✅ 语言检测
  - ✅ 多语言翻译（DeepL API）
  - ✅ 文本向量化（BGE-M3）
  - ✅ 域提取（支持 `domain:query` 语法）

  ### 6.4 搜索功能
  - ✅ 布尔表达式解析（AND, OR, RANK, ANDNOT, 括号）

  - ✅ 多语言查询构建（同时搜索中英文字段）

  - ✅ 语义搜索（KNN 检索）
  - ✅ 相关性排序（BM25 + 向量相似度）
  - ✅ 结果聚合（Faceted Search）

  - ✅ Specifications嵌套过滤（单个和多个规格，按维度分组：不同维度AND，相同维度OR）

  - ✅ Specifications嵌套分面（所有规格名称和指定规格名称）
  - ✅ SKU筛选（按维度过滤，应用层实现）

  ### 6.5 API 服务
  - ✅ RESTful API（FastAPI）
  - ✅ 搜索接口（文本搜索、图片搜索）
  - ✅ 文档查询接口
  - ✅ 前端界面（HTML + JavaScript）

  - ✅ 租户隔离（tenant_id过滤）
  

  ### 6.6 索引结构（店匠通用）

  - ✅ SPU级别索引结构

  - ✅ 多语言字段支持（中英文）
  - ✅ 嵌套字段（skus, specifications, image_embedding）
  - ✅ 规格字段（specifications）支持过滤和分面
  - ✅ 扁平化字段（价格、库存等）用于过滤和排序

  - ✅ 统一索引（search_products）
  - ✅ 租户隔离（tenant_id）

  - ✅ 硬编码映射（mappings/search_products.json）
  - ✅ 硬编码查询配置（search/query_config.py）

  ---

  ## 7. 技术栈

  - **后端**：Python 3.6+
  - **搜索引擎**：Elasticsearch
  - **数据库**：MySQL（Shoplazza）
  - **向量模型**：BGE-M3（文本）、CN-CLIP（图片）
  - **翻译服务**：DeepL API
  - **API 框架**：FastAPI
  - **前端**：HTML + JavaScript

  ---

  ## 8. API响应格式
  
  ### 8.1 外部友好格式
  
  API返回格式不包含ES内部字段（`_id`, `_score`, `_source`），使用外部友好的格式：
  
  **响应结构**：
  ```json
  {
    "results": [
      {

        "spu_id": "123",

        "title": "蓝牙耳机",

        "skus": [

          {

            "sku_id": "456",

            "price": 199.99,
            "sku": "SKU-123-1",
            "stock": 50
          }
        ],
        "relevance_score": 0.95
      }
    ],
    "total": 10,
    "facets": [...],
    "suggestions": [],
    "related_searches": []
  }
  ```
  
  **主要变化**：

  - 结构化结果（`SpuResult`和`SkuResult`）
  - 嵌套skus数组

  - 无ES内部字段
  
  ### 8.2 租户隔离
  
  所有API请求必须提供`tenant_id`：
  - 请求头：`X-Tenant-ID: 1`
  - 或查询参数：`?tenant_id=1`
  
  搜索时自动添加`tenant_id`过滤，确保数据隔离。
  

  ### 8.3 数据接口约定
  
  **统一的数据约定格式**：所有API接口使用 Pydantic 模型进行数据验证和序列化。
  
  #### 8.3.1 数据流模式
  
  系统采用统一的数据流模式，确保数据在各层之间的一致性：
  
  **数据流转路径**：
  ```
  API Request (JSON)
      ↓
  Pydantic 验证 → 结构化模型（RangeFilter, FacetConfig 等）
      ↓
  Searcher（透传）
      ↓
  ES Query Builder → model_dump() 转换为字典
      ↓
  ES Query (字典)
      ↓
  Elasticsearch
  ```
  
  #### 8.3.2 Facets 配置数据流
  

  **输入格式**：`List[FacetConfig]`

  **配置对象列表**：所有分面配置必须使用 FacetConfig 对象
  ```json
  [
    {
      "field": "category1_name",
      "size": 15,
      "type": "terms"
    },
    {
      "field": "specifications.color",
      "size": 20,
      "type": "terms"
    },
    {
      "field": "min_price",
      "type": "range",
      "ranges": [
        {"key": "0-50", "to": 50},
        {"key": "50-100", "from": 50, "to": 100}
      ]
    }
  ]
  ```

  **Specifications 分面支持**：
  - 所有规格名称：`field: "specifications"` - 返回所有 name 及其 value 列表
  - 指定规格名称：`field: "specifications.color"` - 只返回指定 name 的 value 列表

  
  **数据流**：

  1. API 层：接收 `List[FacetConfig]`，Pydantic 验证参数
  2. Searcher 层：透传 FacetConfig 对象列表
  3. ES Query Builder：解析 FacetConfig 对象

     - 检测 `"specifications"` 或 `"specifications.{name}"` 格式

     - 构建对应的嵌套聚合查询或普通聚合查询
  4. 输出：转换为 ES 聚合查询（包括 specifications 嵌套聚合）
  5. Result Formatter：格式化 ES 聚合结果，处理 specifications 嵌套结构

  
  #### 8.3.3 Range Filters 数据流
  
  **输入格式**：`Dict[str, RangeFilter]`
  
  **RangeFilter 模型**：
  ```python
  class RangeFilter(BaseModel):
      gte: Optional[Union[float, str]]  # 大于等于
      gt: Optional[Union[float, str]]   # 大于
      lte: Optional[Union[float, str]]  # 小于等于
      lt: Optional[Union[float, str]]   # 小于
  ```
  
  **示例**：
  ```json
  {

    "min_price": {"gte": 50, "lte": 200},
    "create_time": {"gte": "2023-01-01T00:00:00Z"}

  }
  ```
  
  **数据流**：
  1. API 层：接收 `Dict[str, RangeFilter]`，Pydantic 自动验证
  2. Searcher 层：透传 `Dict[str, RangeFilter]`
  3. ES Query Builder：调用 `range_filter.model_dump()` 转换为字典
  4. 输出：ES range 查询（支持数值和日期）
  
  **特性**：
  - 自动验证：确保至少指定一个边界值（gte, gt, lte, lt）
  - 类型支持：支持数值（float）和日期时间字符串（ISO 格式）
  - 统一约定：所有范围过滤都使用 RangeFilter 模型
  

  #### 8.3.3.1 Specifications 过滤数据流
  
  **输入格式**：`Dict[str, Union[Dict[str, str], List[Dict[str, str]]]]`
  
  **单个规格过滤**：
  ```json
  {
    "specifications": {
      "name": "color",
      "value": "white"
    }
  }
  ```
  

  **多个规格过滤（按维度分组）**：

  ```json
  {
    "specifications": [
      {"name": "color", "value": "white"},
      {"name": "size", "value": "256GB"}
    ]
  }
  ```
  
  **数据流**：
  1. API 层：接收 `filters` 字典，检测 `specifications` 键
  2. Searcher 层：透传 `filters` 字典
  3. ES Query Builder：检测 `specifications` 键，构建ES `nested` 查询
     - 单个规格：构建单个 `nested` 查询

     - 多个规格：按 name 维度分组，相同维度内使用 `should` 组合（OR逻辑），不同维度之间使用 `must` 组合（AND逻辑）

  4. 输出：ES nested 查询（`nested.path=specifications` + `bool.must=[term(name), term(value)]`）
  

  #### 8.3.4 响应 Facets 数据流
  
  **输出格式**：`List[FacetResult]`
  
  **FacetResult 模型**：
  ```python
  class FacetResult(BaseModel):
      field: str                    # 字段名
      label: str                    # 显示标签
      type: Literal["terms", "range"]  # 分面类型
      values: List[FacetValue]      # 分面值列表
      total_count: Optional[int]    # 总文档数
  ```
  
  **数据流**：

  1. ES Response：返回聚合结果（字典格式，包括specifications嵌套聚合）
  2. Result Formatter：格式化ES聚合结果
     - 处理普通terms聚合
     - 处理range聚合
     - **处理specifications嵌套聚合**：
       - 所有规格名称：解析 `by_name` 聚合结构
       - 指定规格名称：解析 `filter_by_name` 聚合结构
  3. Searcher 层：构建 `List[FacetResult]` 对象
  4. API 层：直接返回 `List[FacetResult]`（Pydantic 自动序列化为 JSON）

  
  **优势**：
  - 类型安全：使用 Pydantic 模型确保数据结构一致性
  - 自动序列化：模型自动转换为 JSON，无需手动处理
  - 统一约定：所有响应都使用标准化的 Pydantic 模型
  

  #### 8.3.5 SKU筛选数据流
  
  **输入格式**：`Optional[str]`
  
  **支持的维度值**：
  - `option1`, `option2`, `option3`: 直接使用选项字段
  - 规格名称（如 `color`, `size`）: 通过 `option1_name`、`option2_name`、`option3_name` 匹配
  
  **示例**：
  ```json
  {
    "query": "手机",
    "sku_filter_dimension": "color"
  }
  ```
  
  **数据流**：
  1. API 层：接收 `sku_filter_dimension` 字符串参数
  2. Searcher 层：透传到 Result Formatter
  3. Result Formatter：在格式化结果时，按指定维度对SKU进行分组
     - 如果维度是 `option1/2/3`，直接使用对应的 `option1_value/2/3` 字段
     - 如果维度是规格名称，通过 `option1_name/2/3` 匹配找到对应的 `option1_value/2/3`
     - 每个分组选择第一个SKU返回
  4. 输出：过滤后的SKU列表（每个维度值一个SKU）
  
  **工作原理**：
  1. 系统从ES返回所有SKU（不改变ES查询，保持性能）
  2. 在结果格式化阶段，按指定维度对SKU进行分组
  3. 每个分组选择第一个SKU返回
  4. 如果维度不匹配或未找到，返回所有SKU（不进行过滤）
  
  **性能说明**：
  - ✅ **推荐方案**: 在应用层过滤（当前实现）
    - ES查询简单，不需要nested查询和join
    - 只对返回的结果（通常10-20个SPU）进行过滤，数据量小
    - 实现简单，性能开销小
  - ❌ **不推荐**: 在ES查询时过滤
    - 需要nested查询和join，性能开销大
    - 实现复杂
    - 只对返回的结果需要过滤，不需要在ES层面过滤
  
  #### 8.3.6 统一约定的好处

  
  1. **类型安全**：使用 Pydantic 模型提供运行时类型检查和验证
  2. **代码一致性**：所有层使用相同的数据模型，减少转换错误
  3. **自动文档**：FastAPI 自动生成 API 文档（基于 Pydantic 模型）
  4. **易于维护**：修改数据结构只需更新模型定义
  5. **数据验证**：自动验证输入数据，减少错误处理代码
  
  **实现模块**：

  - `api/models.py` - 所有 Pydantic 模型定义（包括 `SearchRequest`, `FacetConfig`, `RangeFilter` 等）
  - `api/result_formatter.py` - 结果格式化器（ES 响应 → Pydantic 模型，包括specifications分面处理和SKU筛选）
  - `search/es_query_builder.py` - ES 查询构建器（Pydantic 模型 → ES 查询，包括specifications过滤和分面）

  ## 9. 索引结构文件

  **硬编码映射**（店匠通用）：`mappings/search_products.json`

  **查询配置**（硬编码）：`search/query_config.py`

  ---