Redis®*: 建立向量索引

此文件屬於向量搜尋與RAG指南的一部分。請在此處查看完整指南：使用Redis進行語意搜尋、推薦系統及檢索增強生成（RAG）。

👋 歡迎瀏覽 Stackhero 文件！

Stackhero 提供即開即用的 Redis cloud 方案，帶來多項優勢，包括：

• 已包含 Redis Commander 網頁介面。
• 無限訊息大小及傳輸量。
• 一鍵輕鬆完成更新。
• 以專屬私人基礎設施提供最佳效能及強大安全性。

節省時間，簡化您的工作流程：只需5分鐘即可體驗 Stackhero 的 Redis cloud hosting 方案！

要宣告一個向量欄位，請指定其維度（dimension）及距離度量（distance metric）。維度需與您的embedding模型一致：例如，OpenAI text-embedding-3-small為1536，許多開源模型則為768等。

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會建立一個圖形索引（graph index），即使您的資料集規模增長，查詢速度仍然維持快速。這在向量數量超過數千時尤其適用。若您的資料集較小且需精確結果，可選用FLAT進行暴力搜尋。

COSINE是大多數文本embedding模型推薦的距離度量。若您的應用有特殊需求，也可選擇L2或IP。