Valkey: Python实现
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Valkey进行语义搜索、推荐和检索增强生成（RAG）。
👋 欢迎查阅 Stackhero 文档！
Stackhero 提供即开即用的 Valkey 云端 解决方案，带来多项优势，包括：
- 集成
Valkey AdminWeb 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，简化您的工作流程：只需 5 分钟即可体验 Stackhero 的 Valkey 云托管 方案！
import os
import numpy as np
import redis
from redis.commands.search.field import TextField, TagField, VectorField
from redis.commands.search.index_definition import IndexDefinition, IndexType
from redis.commands.search.query import Query
DIMENSIONS = 1536
r = redis.from_url(os.environ['STACKHERO_VALKEY_URL_TLS'])
# 启动时创建索引（仅需一次）
try:
r.ft('chunksIndex').create_index(
(
TextField('content'),
TagField('documentId'),
VectorField(
'embedding',
'HNSW',
{'TYPE': 'FLOAT32', 'DIM': DIMENSIONS, 'DISTANCE_METRIC': 'COSINE'},
),
),
definition=IndexDefinition(prefix=['chunk:'], index_type=IndexType.HASH),
)
except redis.ResponseError as error:
if 'Index already exists' not in str(error):
raise
def index_chunk(chunk_id, document_id, content, embedding):
r.hset(
f'chunk:{chunk_id}',
mapping={
'content': content,
'documentId': document_id,
'embedding': np.array(embedding, dtype=np.float32).tobytes(),
},
)
def retrieve(question_embedding, document_id, count=5):
query = Query(f'@documentId:{{{document_id}}}=>[KNN {count} @embedding $queryVector]')
results = r.ft('chunksIndex').search(
query,
query_params={'queryVector': np.array(question_embedding, dtype=np.float32).tobytes()},
)
return [document.content for document in results.docs]