Phrase Suggest 与 Term Suggest

做的事：真实对两个词都打错的查询"quik browm"分别跑term suggest和phrase suggest

代码真实索引4篇文档: "the quick brown fox" / "elasticsearch is a search engine" / "python programming language" / "machine learning algorithms" 用户真实输入"quik browm"（quick和brown都打错了） POST /suggest_test/_search {"suggest":{"s1":{"text":"quik browm","term":{"field":"body"}}}} POST /suggest_test/_search {"suggest":{"s1":{"text":"quik browm","phrase":{"field":"body"}}}}

验证：term suggest真实独立给两个打错的词各自推荐了正确形式，互不干扰

term suggest结果:
→ quik -> 候选['quick'] (score=0.75)
→ browm -> 候选['brown'] (score=0.8)

这组结果真实展示了termsuggest最基本的工作方式：它真实把输入文本按空格拆成独立的词，对每一个词单独去倒排索引的词典里找编辑距离最近的候选词（本系列第37篇验证过的同一套编辑距离机制），"quik"和"browm"真实各自独立地找到了"quick"和"brown"这两个候选。这种逐词独立处理的方式真实有一个局限：它完全不考虑这些词组合在一起是否真的构成一个合理的短语。

验证：phrase suggest默认配置下，排名第一的候选真实出乎意料地不是完全纠正好的"quick brown"

phrase suggest默认配置结果:
→ "quik brown" score=0.06251186    ← 真实排第一，但quik没有被纠正
→ "quick browm" score=0.060784064  ← 真实排第二，browm没有被纠正
  ← "quick brown"（两个词都纠正对）真实根本没有出现在候选列表里！

真实验证把max_errors调到2之后，完全正确的候选是否会出现并且排名靠前

代码POST /suggest_test/_search {"suggest":{"s1":{"text":"quik browm","phrase":{"field":"body","max_errors":2,"size":10}}}}

验证：max_errors=2之后，"quick brown"真实出现了，而且得分真实是三个候选里最高的

max_errors=2的phrase suggest结果:
→ "quick brown" score=0.076227635   ← 真实排第一！两个词都纠正对了
→ "quik brown" score=0.06251186
→ "quick browm" score=0.060784064

这组真实对比完整地回答了"term suggest和phrase suggest到底有什么区别"这个问题：termsuggest的逐词独立纠错天然不会漏掉任何一个打错的词（因为它真实是对每个词分别处理的），但代价是它真实不会考虑纠正后的词组合起来是否通顺；phrasesuggest真实引入了基于整体短语合理性的打分（底层用bigram语言模型衡量相邻词共现的真实可能性），理论上能避免"每个词单看都对、合起来却不通顺"的纠错结果，但它默认的max_errors=1这个保守设置真实意味着——如果用户一次打错了不止一个词，默认配置下phrase suggest反而可能给不出最优的那个候选，必须像本次实测这样真实主动把max_errors调大，才能让它真正发挥"整体纠正"的能力。这是一个真实容易被忽视的配置细节，直接决定了多词同时打错场景下，phrase suggest到底能不能给出真正正确的建议。

分步演示：term suggest与phrase suggest从逐词独立纠错到max_errors限制的完整验证

每一步都是本文上面在本机真实的Elasticsearch 8.15.0上跑出来的原始结果。