Redis®*: 建立向量索引

本文件是向量搜尋與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、推薦系統與檢索增強生成（RAG）。

👋 歡迎來到 Stackhero 文件中心！

Stackhero 提供即時可用的 Redis cloud 解決方案，帶來多項優勢，包括：

• 內建 Redis Commander 網頁管理介面。
• 無限制的訊息大小與傳輸量。
• 一鍵輕鬆完成更新。
• 透過專屬私有基礎架構，實現最佳效能與強大安全性。

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 解決方案！

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

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 會建立一個圖形索引，讓查詢速度隨著資料量成長仍能維持高效，適合超過數千筆向量的情境。若您的資料集較小且重視精確結果，可以選擇 FLAT 進行暴力搜尋。

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