Oui. Le module de recherche indexe les embeddings vectoriels et prend en charge les requêtes de similarité (KNN exact et recherche approximative avec HNSW), ce qui vous permet de créer une recherche sémantique, des systèmes de recommandation et le retrieval-augmented generation sans ajouter une base de données vectorielle distincte à votre stack.
Vous pouvez combiner une requête vectorielle avec des filtres sur les champs numériques, tags et texte dans une seule requête.
Notez que valkey-search implémente un ensemble ciblé de commandes
FT.* (FT.CREATE, FT.SEARCH, FT.AGGREGATE, FT.INFO, FT.DROPINDEX). Si vous avez besoin de l’ensemble complet des fonctionnalités avancées de recherche full-text, le moteur de recherche de
Redis offre une couverture plus large.
Consultez la
documentation Valkey search pour la syntaxe des requêtes.