Valkey: 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 Valkey 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 Valkey cloud 解決方案，帶來多項優勢，包括：

• 內建 Valkey Admin 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。
• 以專屬私有基礎架構提供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 Valkey cloud hosting 解決方案！

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

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，即使資料量龐大也能提供快速的近似搜尋。建議在向量數量超過數千時使用。若資料量較小，可選擇 FLAT 進行精確、暴力搜尋。

COSINE 通常是文字 embedding 最適合的距離度量，也支援 L2 與 IP。