Valkey: Wyszukiwanie

Ta dokumentacja jest częścią przewodnika Wyszukiwanie wektorowe i RAG. Pełny przewodnik znajdziesz tutaj: Wyszukiwanie semantyczne, rekomendacje i retrieval-augmented generation z Valkey.

👋 Witamy w dokumentacji Stackhero!

Stackhero oferuje gotowe do użycia rozwiązanie Valkey cloud, które zapewnia szereg korzyści, w tym:

• Wbudowany web UI Valkey Admin.
• Nieograniczony rozmiar i transfer wiadomości.
• Bezproblemowe aktualizacje jednym kliknięciem.
• Optymalna wydajność i wysoki poziom bezpieczeństwa dzięki prywatnej, dedykowanej infrastrukturze.

Oszczędzaj czas i uprość sobie życie: wystarczy 5 minut, aby przetestować rozwiązanie Valkey cloud hosting od Stackhero!

Zapytanie K-nearest neighbors (KNN) przekazuje wektor jako parametr, używając surowych bajtów float32 w formacie little-endian:

FT.SEARCH chunksIndex "*=>[KNN 5 @embedding $queryVector]"
  PARAMS 2 queryVector "<rawBytes>"

Aby połączyć wyszukiwanie wektorowe z filtrami, po prostu zamień * na wyrażenie filtrujące:

FT.SEARCH chunksIndex "@documentId:{doc42}=>[KNN 5 @embedding $queryVector]"
  PARAMS 2 queryVector "<rawBytes>"