Valkey: 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 Valkey 進行語意搜尋、推薦系統及檢索增強生成（Retrieval-Augmented Generation）。

👋 歡迎瀏覽 Stackhero 文件！

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

• 已包含 Valkey Admin 網頁管理介面。
• 無限訊息大小及傳輸量。
• 一鍵輕鬆完成更新。
• 以專屬私有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 Valkey cloud hosting 方案！

宣告向量欄位時，需指定其維度（dimension）及距離度量（distance metric）。維度需與您的模型相符，例如 OpenAI text-embedding-3-small 為 1536，許多開源模型則為 768。

FT.CREATE chunksIndex
  ON HASH
  PREFIX 1 chunk:
  SCHEMA
    content TEXT
    documentId TAG
    embedding VECTOR HNSW 6
      TYPE FLOAT32
      DIM 1536
      DISTANCE_METRIC COSINE

HNSW 會建立圖形索引，即使資料集很大也能提供高速的近似搜尋。建議當您的向量數量超過數千時使用。若資料量較小，可選用 FLAT 進行精確、暴力搜尋。

COSINE 通常是文本 embedding 最佳的距離度量方式。系統同時支援 L2 及 IP。