Prin modulul RediSearch inclus în distribuțiile moderne Redis Stack și Redis Cloud, memoria cache Redis devine o bază de date vectorială ultra-rapidă în memorie (in-memory). Librăria redisvl (Redis Vector Library) oferă o interfață Python modernă pentru definirea indexurilor, inserarea vectorilor și execuția căutărilor semantice.
Exemplu de configurare index HNSW și interogare în Redis:
from redisvl.index import SearchIndex
from redisvl.query import VectorQuery
schema = {
"index": {"name": "sesiuni-ai", "prefix": "sesiune:"},
"fields": [
{"name": "user_id", "type": "tag"},
{"name": "continut", "type": "text"},
{
"name": "vector_text",
"type": "vector",
"attrs": {
"dims": 1536,
"distance_metric": "cosine",
"algorithm": "hnsw",
"m": 16,
"ef_construction": 200
}
}
]
}
index = SearchIndex.from_dict(schema)
index.connect("redis://localhost:6379")
index.create(overwrite=True)
# Interogare combinată cu filtru de tag
vquery = VectorQuery(
vector=[0.01] * 1536,
vector_field_name="vector_text",
return_fields=["user_id", "continut"],
num_results=5,
filter_expression="@user_id:{admin}"
)
results = index.query(vquery)Redis Vector Search este soluția ideală pentru caching semantic, detectarea duplicatelor în fluxuri de mesagerie și stocarea memoriei agenților AI cu latențe sub 2 milisecunde.
Întrebări & Exemple practice:
RedisVL: Căutare Vectorială și Indexare Semantică în RedisAi o întrebare despre RedisVL: Căutare Vectorială și Indexare Semantică în Redis sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.