Redis®*: ベクトルインデックスの作成

このドキュメントはベクトル検索とRAGガイドの一部です。完全なガイドはこちらからご覧いただけます：Redisによるセマンティック検索、レコメンデーション、リトリーバル拡張生成（RAG）。

👋 Stackhero ドキュメントへようこそ！

Stackhero では、すぐに使える Redis cloud ソリューションをご提供しています。主な特長は以下の通りです：

• Redis Commander Web UI を標準搭載。
• メッセージサイズ・転送量が無制限。
• ワンクリックで簡単にアップデート可能。
• プライベートかつ専用インフラによる最適なパフォーマンスと強固なセキュリティ。

時間を節約し、運用をシンプルに：Stackhero の Redis cloud hosting ソリューションは、わずか5分でお試しいただけます！

ベクトルフィールドを宣言するには、その次元数（dimension）と距離メトリック（distance metric）を指定します。次元数はご利用のembeddingモデルに合わせてください。例：OpenAIのtext-embedding-3-smallなら1536、オープンソースモデルの多くは768など。

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はグラフインデックスを作成し、コレクションが増えても高速なクエリを維持します。数千ベクトルを超える場合に推奨されます。小規模コレクションで厳密な一致が重要な場合は、FLATによる全探索も選択できます。

COSINEは多くのテキストembeddingモデルで推奨される距離メトリックです。用途に応じてL2やIPも選択可能です。