一、认识 Data 360 的搜索索引类型（Get to Know Search Index Types in Data 360）
在 Salesforce Platform 上，把 AI 接地到客户特定数据能提升生成式 AI 在应用、分析与自动化工具中的价值。Data 360 通过在非结构化、半结构化或结构化数据上构建搜索索引来实现接地。本单元讲清三种搜索索引类型——向量（vector）、混合（hybrid）、增强（enriched）——以及如何为你的用例选择正确的索引。
完成本单元后，你将能够：
- 描述 Data 360 支持的搜索索引类型；
- 判断该为你的用例构建哪种搜索索引。
用 Data 360 搜索来接地 AI
把 AI 接地到客户特定数据，能提升整个 Salesforce Platform 上生成式 AI 在应用、分析与自动化中的价值。通过用用户查询检索相关的 CRM 数据来接地 AI 模型，Agentforce、Tableau、Flow Builder 等应用确保输出精准贴合用户意图。
在 Data 360 中，你可以在任何数据上构建搜索索引，包括知识库中的非结构化数据。Data 360 支持三种搜索索引类型：
- 向量搜索索引（Vector search index）
- 混合搜索索引（Hybrid search index）
- 增强搜索索引（Enriched search index）
构建流程：把数据引入 Data 360 → 映射到标准数据模型对象（DMO）或非结构化数据模型对象（UDMO）→ 生成有意义的内容块 → 创建向量嵌入（vector embeddings）→ 构建搜索索引，帮助应用理解与数据的语义和词法相似性。
向量搜索索引（Vector Search Index）
向量搜索（vector search），也叫语义搜索，为给定查询检索语义相似的数据（或数据块），这些数据还可包括视频、音频和通话记录。
它的工作方式是：把数据分块 → 创建向量嵌入 → 搜索与查询语义最接近的向量嵌入。
向量搜索擅长处理长格式查询，即用户寻找一般性信息的场景。查询会检索向量搜索得分最高的数据，对应最接近的语义匹配。例如，一个关于「Google Chrome 浏览器如何工作」的查询，会检索向量搜索得分最高、与查询语义最接近的数据块。
混合搜索索引（Hybrid Search Index）
混合搜索（hybrid search）结合了语义感知的向量搜索优势，与关键词搜索处理领域词汇的能力。它合并两种搜索检索到的信息，然后用融合排序函数（fusion ranker）对结果排序，展示最相关的信息。
默认的混合搜索融合排序函数基于内部基准优化，训练与评估数据来自 Einstein Search 和 Einstein Search Answers 等 Gen-AI 应用实际捕获的查询。
混合搜索适合既包含具体搜索词的长查询——高关键词得分对应精确匹配，高向量得分对应语义匹配，从而检索到混合搜索得分最高的最相关内容。
对同一个 Google Chrome 查询，关键词搜索会把更相关的内容排到更高位置，为 LLM 提供比纯向量搜索更好的接地。
增强搜索索引（Enriched Search Index）
增强搜索（enriched search）用额外的元数据和问题块来增强标准内容块，从而为检索增强生成（RAG）改进向量或混合搜索索引。
它自动从内容块中提取关键词、实体、主题概览、内容回答的问题、内容摘要等元数据，显著提升检索准确率。这种 LLM 生成的增强是人工策展的替代方案，让 AI agent 回答问题时的信息识别更轻松。
使用时，你在创建向量或混合搜索索引时打开「enriched chunks」。构建索引时，Data 360 会生成三个新块：一个包含原始块文本的普通块、一个包含元数据文本的块、一个包含该块能回答的问题的块。然后在 AI Models 中为增强搜索索引创建 retriever，用于 prompt 模板和 agent 的 RAG 与 agent 工作流。
注意：此功能会消耗 Flex Credits。
小结（In Summary）
总结：在 Data 360 中构建搜索索引，把 AI 接地到组织的非结构化、半结构化或结构化数据。
选择最适合你终端用户与应用查询的搜索类型：
- 如果用户查询主要是一般性信息、或查询较长（超过 5 个词），向量搜索就足够——它在查询有上下文内容（通常是较长的查询）时提供相关结果。
- 要获得同时结合语义匹配与关键词匹配的最准确、最相关结果，创建混合搜索索引。
- 当更高的检索准确率能带来可衡量的价值、足以抵消用 LLM 生成额外块所带来的更高成本时，用元数据和问题块增强搜索索引。
让索引匹配查询，你就能有效地接地 AI。