必须区分字段类型、理解分词行为、匹配逻辑和DSL结构；text字段用match，keyword字段需改用term或重映射；match默认OR，可设operator为and或minimum_should_match控制召回；短语匹配用match_phrase；多字段检索用multi_match并指定text字段加权。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Elasticsearch中正确写出全文检索查询，必须区分字段类型、理解分词行为、匹配逻辑和DSL结构，否则即使语法合法也查不到数据。
确认字段是否支持全文检索
先用GET /your_index/_mapping查看目标字段的type。只有text类型的字段才走分词流程，才能用match；如果字段是keyword类型，match会直接返回空结果——因为keyword不被分词，而match默认会对输入做分词再查倒排索引，两边根本对不上。
【必须检查字段类型，不能凭字段名猜测】
比如"name": "Apple iPhone 15 Pro Max"，若name被映射为keyword，则{"match": {"name": "iPhone 15"}}一定查不到；必须改用term或把字段重映射为text。
基础全文匹配：match 查询
方法一：最简写法（适合单字段、宽松匹配）
直接发送：GET /products/_search，请求体为：
{"query": {"match": {"title": "java spring boot"}}
这会将输入按默认分词器切分为["java","spring","boot"]，并以OR逻辑合并结果——只要文档含任一词条就入围。
方法二：强制AND逻辑（避免误召）
在match中显式指定"operator": "and"：
{"query": {"match": {"title": {"query": "java spring boot", "operator": "and"}}}}
这样只有同时包含三个词条的文档才会返回。注意：不是“连续出现”，只是字段值里分别存在这三个词。
短语精确匹配：match_phrase 查询
第一步：明确使用场景
当你需要“iPhone 15”必须作为完整短语紧邻出现时才命中，不能接受“iPhone X 15”或“iPhone, 15 Pro”，就必须用match_phrase。
第二步：构造请求GET /products/_search → 请求体写成：
通义灵码 Linux版是阿里云推出的一款AI智能编码助手，专为Linux开发者设计。它支持在Linux操作系统下的JetBrains IDEs、Visual Studio Code等主流集成开发环境中运行。该工具基于通义大模型，提供代码智能生成、实时续写、单元测试生成、代码优化以及研发智能问答等功能，旨在帮助Linux用户在编码过程中提升效率。
{"query": {"match_phrase": {"name": "iPhone 15"}}
它不会把输入分词后分散匹配，而是查找分词后连续出现的词条序列。前提是name字段确实是text类型且用了标准分词器。
第三步：验证分词效果
不确定是否能匹配？先用GET /products/_analyze?field=name + {"text": "iPhone 15"}看实际产出的词条，再对照文档中该字段经同一分析器处理后的词条是否完全一致。
多字段联合检索：multi_match 查询
方法一：最佳实践写法（推荐）
用fields数组列出所有要查的text字段，并加权重区分主次：
{"query": {"multi_match": {"query": "xiaomi nfc", "fields": ["name^3", "desc^1", "tags^2"]}}
字段后^3表示该字段匹配得分乘以3，让标题匹配比描述更关键。不加权重则默认等权。
方法二：快速兜底写法
如果只关心是否出现、不care哪段文本更相关，直接写：
{"query": {"multi_match": {"query": "xiaomi nfc", "fields": ["name", "desc"]}}
注意：不要把keyword字段混进fields列表，它无法参与全文匹配，会导致整个查询静默失败或结果异常稀疏。
控制召回粒度：minimum_should_match
第一步：识别问题
用户搜“red black blue”，结果太多噪音？默认OR逻辑让含任意一个颜色的文档都进了。
第二步：设置最低匹配数
在match内加入"minimum_should_match": "2"：
{"query": {"match": {"description": {"query": "red black blue", "minimum_should_match": "2"}}}}
这表示至少匹配其中两个词条才算合格。数值可填整数（如2）、百分比（如"75%"）或混合（如"2）。
第三步：测试边界值
设为"100%"等价于"and"；设为"0%"则退化为"or"。线上环境建议从"2"起步调优，避免一步设死。
