elasticsearch 如何在ElasticSearch中有效合并3个不同的搜索条件？（同时使用文本、乳胶和向量）

我是一名ML工程师，试图使用向量和文本增强搜索条件。基本上，我们目前使用的搜索算法在

ElasticSearch

中使用了两个字段，例如

text=“Hello my name is”

和

latex=\documentclass[12pt]{article}\usepack{lingmacros}

。我想合并第三个向量字段，它将在两个向量之间使用

余弦相似性。因此，我的
向量=[0.1,0.01,0.9…0.8]
如下所示。我的后端团队不知道ML，我也不知道Elastic。所以他们告诉我，我们有两个选项，一个叫做
should
query，类似于
text或latex或vector
，另一个叫做
piped
，首先使用text和latex生成
N
结果，然后在其中搜索向量

有人能帮我解决这个问题吗？我如何在现有的搜索中使用向量的额外好处，以便改进结果