OpenArt用Zilliz Cloud重构检索系统，搜索提速80倍

对如今的创作者来说，单生成一张图、一段15秒视频并不难；难的是让同一角色、道具、服饰在不同场景中保持一致，让故事连贯发展。这正是OpenArt想解决的问题。作为全球使用最广泛的AI图像和视频生成平台之一，OpenArt已吸引超过800万创作者，包括个人爱好者、营销从业者和专业影视制作团队。

产品设计上，OpenArt聚集了GPT、MiniMax、Seedance、Gemini Omni系列、阿里Wan系列等100多款热门模型，并通过Character Builder、One-Click Story和分镜制作工具，让创作者批量产出预告片、广告与社交媒体视频，打造AI原生IP。随着创作者历史素材库膨胀，语义检索成为支撑创作连续性的底层基础设施。为此，OpenArt面向订阅用户上线个人历史作品语义搜索能力，并将底层向量存储与检索体系从Elasticsearch全面迁移至Zilliz Cloud。创作者输入角色、场景或风格描述，即可同时检索素材画面与生成提示词，快速定位可复用的历史作品。迁移后，P99搜索延迟从25秒降至约300毫秒，搜索速度提升约80倍；相同工作负载下计算成本降低约85%；约4.56亿个历史向量平滑迁移，无需重新计算Embedding；原生支持图像与提示词双向量联合检索，彻底移除自研双路kNN融合代码。

OpenArt最初采用Elasticsearch向量搜索支撑历史素材检索。当历史向量积累到数亿级别，延迟、维护与成本问题集中爆发：P99搜索延迟达25秒，原因是ES索引生命周期管理为日志设计，约每90天将索引从热滚动到温、冷直至冻结，而向量搜索需对全量数据打分，几乎每次查询都要从冻结层跨网络拉取数据；索引数量指数级增长，单次查询需遍历的索引随时间增长，OpenArt预测搜索性能约两年内将暴跌；成本与资源配置不合理，仅为向量搜索付费却承担整套通用搜索平台费用，集群规格过量配置；自研双路检索带来长期运维负担，图像与文本向量无法原生联合查询，需自行实现双路kNN检索并接入第三方组件融合结果。

选型阶段，OpenArt评估过Pinecone与Qdrant，也有自行部署Milvus的经验，但前两者能力不满足需求，本地化Milvus运维成本高。Zilliz Cloud作为Milvus官方全托管服务，100%兼容Milvus API，既有技术积累与客户端代码可直接复用，运维负担大幅降低。成本上，Zilliz Cloud的On demand设计适配创意档案库业务：素材库数据总量持续累积，但任意时刻只有一小部分被检索，按数据量计费需为全部存量付费，而On demand模式按数据热度分层调度，高频热数据移入缓存，低频冷数据下沉冷存储，只需为实际检索算力付费。其段级自动压缩能力可在后台自动合并数据片段，解决索引无限增长问题，确保素材库扩张时检索速度不衰减。

OpenArt基于Zilliz Cloud构建面向创作者个人历史作品的语义搜索服务，向符合条件的付费订阅用户开放。用户输入角色名称、画面风格或场景描述，即可按语义找回过去生成的内容，不必依赖文件名、标签或创建日期。由于AI生成内容通常没有标题、标签等元数据，只有生成结果和对应Prompt，二者信息不完全相同，OpenArt需同时对生成内容和Prompt建立向量索引。架构上，应用服务和主数据库部署在Google Cloud，使用运行在Modal Serverless GPU上的自托管Jina CLIP模型生成向量，向量存储和检索交给Zilliz Cloud。系统采用写入与读取分离设计：写入流程随内容生成事件在后台持续运行，搜索请求独立执行，避免阻塞在线检索。

写入端，用户生成图片或视频后，系统先将作品快照保存到Google Cloud主数据库，再通过Google Cloud Function触发Modal上的Jina CLIP模型进行向量化。Jina CLIP能将图像和文本映射到同一向量空间，OpenArt用同一模型分别生成内容向量和Prompt向量，连同生成记录ID、用户ID和项目ID写入Zilliz Cloud。视频则提取快照帧进行向量化，图片和视频共用同一套索引与检索流程。此外，定时回填任务将符合订阅条件用户的历史作品分批导入，并承担数据补偿功能。

读取端，OpenArt利用Zilliz Cloud的多向量检索能力，在一次请求中完成内容与Prompt的联合搜索。用户输入搜索词后，系统通过Jina CLIP将查询转化为向量，向Zilliz Cloud发起一次多向量搜索，同时检索两个向量字段并按预设权重融合相关性结果。Zilliz Cloud在检索中直接应用用户ID、项目ID等过滤条件，完成结果融合并返回Top K候选，OpenArt再通过主数据库最终匹配过滤后呈现给用户。由于重度创作者单个项目可能包含上千素材，宽泛搜索词可能匹配数千条记录，每次查询需返回超过1000条候选结果，对性能与规模要求较高。最终Zilliz Cloud将搜索响应时间控制在约300毫秒。此前使用ES需查询多个索引、跨网络获取结果并执行自建双路kNN融合逻辑，迁移后简化为针对单个Collection的一次多向量检索请求。内容向量与Prompt向量的权重配置交由Feature Flag管理，可在生产环境灵活调整相关性策略。

最终，OpenArt从Elasticsearch迁出约4.56亿个历史向量，迁移过程无需重新计算向量，团队还清除了一批不再需要的记录，并修复了旧写入链路中的问题。