Viking AI 搜索 CLI 正式发布：会说话，就能做搜索推荐

无论是搜索、推荐还是问答把企业的数据资产变成可检索、可调用的智能服务往往意味着一条漫长且高门槛的链路 —— 数据清洗、Embedding 选型、索引构建、策略配置、效果调优……每一个环节都离不开工程投入和算法经验。Viking AI 搜索 CLI下文统称 SearchCLI 正式发布代表着上述的这些复杂繁琐环节现在都可以让 Agent 替你完成了。通过 IaC Infrastructure as Code范式CLI 将数据入库、效果评测、搜推问答策略调优等一系列复杂任务整合为一组简洁命令搭配内置的 Skills Agent 可以瞬间变成企业私域数据搜索、推荐、智能问答系统的工程专家和算法专家而你只需要在对话框中发出指令即可。简单来说会说话就能做搜索推荐和智能问答。SearchCLI 有什么用来看一个实际场景小 V 是一名独立设计师过去一年用 Seedream 生成了上万条素材。但素材越多找起来反而越难标签没打全文件名靠不住每次想找一张 “暖色调、带木纹质感的背景图”都只能在缩略图里凭运气翻。更别说搭一套搜索推荐系统 —— 光是向量索引和 Embedding 选型就够劝退了。小 V 痛定思痛到底有没有个好法子不用开发我自己一个人能把这海量素材真正管起来做到“需要哪张一秒找到”有的兄弟有的。 SearchCLI只需要几条简单的命令就能把本地素材库变成一个支持多模态搜索和相似推荐的智能图库妈妈再也不用担心我一张张地人肉找素材了。猜你喜欢推荐相关物品推荐搜索智能问答快速上手一行命令开启智能搜索之旅SearchCLI 的安装与配置极度精简所有的繁琐操作都可以由 Agent 通过对话式交互自动完成。1. 安装与初始化极简授权小 V 的第一步很简单使用 Trae、OpenClaw、Claude Code、Codex 等 AI Agent让它自动完成下载和配置。复制以下提示词发给 Agent “帮我下载这个 CLIhttps://github.com/volcengine/SearchCLI?utm_mediumarticle并告知我是否运行成功。”安装完成后在火山引擎官网获取 AK/SK鉴权凭据按照 Agent 的指示在终端输入 AK/SKAgent 即可自动完成授权配置整个过程几乎不需要手动操作。获取 AK/SK完成权限配置如何获取 AK/SK点击 https://console.volcengine.com/common-buy/REC-SaaS-LLM-SEARCH%7C%7C7291580783171539244?utm_mediumarticle 前往 Viking AI 搜索首月体验版注册火山账号获取 AK/SK 以体验产品功能。2. 智能数据预处理和导入授权完成后小 V 的当务之急就是要先把自己的一堆凌乱的数据清洗、处理和导入到服务中。按传统做法这通常需要经历繁琐的工程链路自己写脚本遍历文件夹、提取图片特征、再一条条调用 API 上传……对于没有编程基础的小 V 来说这几乎是一道无法逾越的鸿沟。但有了 SearchCLI小 V 根本不需要去管复杂的上传接口直接把本地的图片素材发给 Agent就可以先坐等数据预处理自动完成。原本零散的素材信息会被自动整理成结构化数据产出可直接入库的 Schema 和数据文件。等数据准备好之后导入这一步也不用她再自己折腾。Agent 会顺手完成数据集上传和入库让这些素材真正进入搜索系统。想尝试下智能数据导入可以在https://github.com/Chen-chen429/viking-media-ai-search/blob/main/utm_mediumarticle.jsonl下载数据集并使用小 V 的素材库因为 CLI 中内置了数据预检的指令此时 Agent 会执行以下环节以确保数据质量数据质量确认没问题后正式入库开始了。面对 10,000 条正式数据的写入CLI 预判了接口的并发限制。Agent 没有采用粗暴的单次全量上传而是自动编写了切片脚本将数据划分为 5 个批次每批 2000 条并加入了平滑的休眠等待小 V 看着进度条一条条跑完直呼快哉素材库终于不再只是一个杂乱的文件夹了3. 搜索、推荐、问答策略自动生成素材导进去了接下来就是最关键的问题能不能搜到想要的东西3.1 配置搜索系统CLI 内嵌了包含文本与图像的多模态检索配置搜索能力即刻可用。小 V 试着搜了 “白雪皑皑的自然景观”——结果不再是靠关键词硬匹配而是真正理解了她的意图。CLI搜索效果应用内搜索效果示例3.2 个性化推荐与相似物品推荐搜索能用了但小 V 觉得还不够——每次找素材都得自己想关键词去搜她更想要的是系统根据浏览习惯主动推荐风格相近、主题相关的内容。于是小 V 开始尝试配置推荐策略也是一句话的事。CLI 敏锐地提示“缺少用户行为数据”手头上没有行为数据不要紧她直接把自己的偏好告诉 Agent“我喜欢暖色调、自然质感、极简风格的素材对卡通和赛博朋克风格不感兴趣。”Agent 根据她的描述自动生成了一份符合她审美偏好的模拟行为数据集并丝滑完成上传。CLI 自动完成了事件类型映射并成功创建了 “首页推荐” 和 “相关推荐” 两大场景。应用内猜你喜欢推荐效果示例应用内相似图片推荐效果示例3.3 配置问答助手搜索和推荐都跑起来了但小 V 还想更进一步有时候有些需求一两个词讲不清楚能不能直接用自然语言提问当然可以小 V 试着输入了帮我找一些色彩丰富的水彩画素材系统自动完成了意图理解、搜索召回、结果重排和答案生成并返回了按类别整理过的素材建议。她的素材库不再只是等人来搜而开始主动引导提问。应用内对话效果示例4. 数据验证效果评测与自动化调优搜索推荐都跑起来了但小 V 心里还有个疑问效果到底好不好如果搜不准又该怎么调借助 CLI 她实现了一套完全自动化的测试与调优闭环4.1 批量跑搜索、推荐测试集小 V 自己没有现成的评测集但 CLI 提供了专门用于构造评测集的命令Agent 调用命令主动构造了包含多种意图的 Query 评测集——“阳光落满的房间”“极简风格木画架”带着猫的舒适沙发等调用 CLI 接口执行批量基准测试。4.2 分析结果并提供策略优化建议首次基准测试的输出显示搜索场景的整体 Top-5 平均相关性得分只有 0.5244。问题出在哪Agent 分析后发现文本权重配置偏低导致包含明确物体特征的查询召回了太多语义相近但实体不匹配的长尾数据。同时推荐场景中新注册的无行为用户也获取不到推荐内容。4.3 自动完成策略修改明确了问题后Agent 直接将优化建议转化为配置文件通过 CLI 瞬时完成了线上策略的热更新——将语义检索、关键词检索的权重调至合适值不需要填表单不需要改代码改完即生效。4.4 对比优化前后效果更新完成后自动化评测脚本再次跑通测试集。结果很直观调优后包含具体物体的具象 Query 匹配精准度得到了明显改善而抽象 Query 的效果也稳中有升。至此专属于小 V 的素材库就正式搭建起来了。几天后面对甲方“既有科技感又温暖”的抽象催图需求她只需在对话框输入这句话毫秒间完美契合的图片和关联的灵感推荐就呈现在眼前。从面对上万张杂乱素材束手无策到拥有专属的搜索、推荐、问答一体化智能图库小 V一行代码都没写。借助 Agent 与 SearchCLI 的配合沉睡在硬盘里的数据被彻底激活。她终于告别了繁琐的“找图拉锯战”把全部的时间和精力还给了真正的设计与创作。省流版总结CLI 核心价值很多时候问题不是没有数据而是数据还没有真正被用起来。Wake up the data you already have—— SearchCLI 的价值就在于把已有数据从“放着” 变成 “用起来”让原本分散在文件、表格和业务系统里的内容真正具备可搜索、可推荐、可对话的智能能力。1. 数据入库解放双手不靠手搓不同于传统的粗放式导入CLI 提供了vs item profile、plan和apply三位一体的入库流程2. Search, Recommend Chat: 三个愿望一次实现通过 CLI用户可以一键拉起具备搜推问一体化能力的 AI 应用3. AI 驱动的策略调优让好结果自己跑出来在传统的搜索优化中解决一个“搜不到”或“搜不准”的问题往往需要算法专家数天的排查与参数微调。现在这一过程被极大地自动化了不止于素材库多行业全场景赋能SearchCLI 强大的泛化能力与灵活的架构让它能够跨越场景边界深度赋能各行各业的业务增长电商平台将海量商品库一键资产化。社交/内容平台让海量图文不再沉寂。企业知识库将跨部门的企业知识入库打造出一个全天候在线、懂业务的内部专家 Agent。立即体验数字化转型的下半场是资产激活的竞速。Viking 家族的 SearchCLI 已经为你搭好了通往智能化的最后一百米高速公路。我们邀请所有致力于探索生成式 AI 应用边界的企业与开发者加入 Viking 的生态。和我们一起Wake up the data you already have 对 SearchCLI 还有哪些期待or建议欢迎在评论区留言立即试用本 AIGC 素材库应用已开源https://github.com/Chen-chen429/viking-media-ai-search?utm_mediumarticle敬请体验Github cli安装包