Sì. Il modulo search indicizza gli embeddings vettoriali e supporta query di similarità (KNN esatto e ricerca approssimata con HNSW), così puoi realizzare ricerca semantica, sistemi di raccomandazione e retrieval-augmented generation senza aggiungere un database vettoriale separato al tuo stack.
Puoi combinare una query vettoriale con filtri su campi numerici, tag e testo nella stessa richiesta.
Nota che valkey-search implementa un set mirato di comandi
FT.* (FT.CREATE, FT.SEARCH, FT.AGGREGATE, FT.INFO, FT.DROPINDEX). Se hai bisogno dell'intero set di funzionalità avanzate di ricerca full-text, il motore di ricerca di
Redis offre una copertura più ampia.
Consulta la
documentazione Valkey search per la sintassi delle query.