Redis®*: 创建向量索引

本文档属于向量搜索与RAG指南的一部分。您可以在此处查看完整指南：使用Redis实现语义搜索、推荐系统和检索增强生成（RAG）。

👋 欢迎查阅 Stackhero 文档！

Stackhero 提供即开即用的 Redis cloud 解决方案，带来多项优势，包括：

• 集成 Redis Commander Web 管理界面。
• 无限制的消息大小与传输。
• 一键完成升级，操作便捷。
• 基于专属私有基础设施，实现卓越性能与强大安全性。

节省时间，简化运维：仅需 5 分钟即可体验 Stackhero 的 Redis cloud 托管 方案！

声明向量字段时，需要指定其维度和距离度量方式。维度应与您的embedding模型一致：例如，OpenAI的 text-embedding-3-small 为1536维，许多开源模型为768维，依此类推。

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 会创建一个图索引，随着数据量增长依然能保持查询高效，适合几千条以上的向量集合。对于小型集合且对精确结果有较高要求时，可以使用 FLAT 进行暴力搜索。

COSINE 是大多数文本embedding模型推荐的距离度量方式。如有特殊需求，也可选择 L2 或 IP。