Redis®*: Creazione di un indice vettoriale

Questa documentazione fa parte della guida Ricerca vettoriale e RAG. Consulta la guida completa qui: Ricerca semantica, raccomandazioni e retrieval-augmented generation con Redis.

👋 Benvenuti nella documentazione di Stackhero!

Stackhero offre una soluzione Redis cloud pronta all'uso che garantisce numerosi vantaggi, tra cui:

• Interfaccia web Redis Commander inclusa.
• Dimensione e trasferimento dei messaggi illimitati.
• Aggiornamenti semplici con un solo clic.
• Prestazioni ottimali e sicurezza avanzata grazie a un'infrastruttura privata e dedicata.

Risparmia tempo e semplificati la vita: bastano 5 minuti per provare la soluzione di hosting Redis cloud di Stackhero!

Per dichiarare un campo vettoriale, specificate la dimensione e la metrica di distanza. La dimensione deve corrispondere al vostro modello di embedding: ad esempio, 1536 per OpenAI text-embedding-3-small, 768 per molti modelli open source, e così via.

FT.CREATE chunksIndex
  ON HASH
  PREFIX 1 chunk:
  SCHEMA
    content TEXT
    documentId TAG
    publishedAt NUMERIC
    embedding VECTOR HNSW 6
      TYPE FLOAT32
      DIM 1536
      DISTANCE_METRIC COSINE

HNSW crea un indice a grafo che mantiene le query veloci anche con la crescita della collezione, rendendolo una scelta ideale sopra alcune migliaia di vettori. Per collezioni piccole dove conta la precisione esatta, potete usare FLAT per una ricerca esaustiva.

COSINE è la metrica consigliata per la maggior parte dei modelli di embedding testuale. Potete anche scegliere L2 o IP se il vostro caso d'uso lo richiede.