• TREFFER
  • SCHEMA
  • MENSCH
  • KONTEXT

Vektorsuche mit ClickHouse über Ihre KI durchführen

Verbinden Sie Ihre KI einmal mit ClickHouse. Danach kann Ihr Agent hochdimensionale Embeddings abfragen, um die relevantesten Datenpunkte zu finden.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie führe ich Vektorsuchen mit meiner KI durch?

Sie übergeben hochdimensionale Embeddings an ClickHouse. Dort berechnet die Engine Distanzmetriken, um die nächsten Treffer zu ermitteln. Ihr Agent übernimmt die Abfragelogik und interpretiert die Ergebnisse. Sie erhalten eine Liste der relevantesten Datensätze basierend auf der semantischen Ähnlichkeit.

Suchergebnisse

Wo Ihre Ergebnisse landen

Was passiert, wenn Sie eine Ähnlichkeitsabfrage ausführen.

TREFFER

Relevante Datensätze

Die KI identifiziert die am nächsten liegenden Vektoren in Ihren ClickHouse-Tabellen. Sie erhalten genau die Zeilen, die Ihren Ähnlichkeitsschwellenwert erfüllen.

SCHEMA

Tabellenstruktur

Der Agent prüft Ihre Vektor-Spalten, um Dimensionen und Typen zu verstehen. So wird sichergestellt, dass die Suchparameter zu Ihren tatsächlichen Daten passen.

MENSCH

Manuelle Prüfung

Sie kontrollieren die gefundenen Treffer, um sicherzustellen, dass die semantische Distanz tatsächlich die von Ihnen gesuchte Beziehung widerspiegelt.

KONTEXT

Semantische Abfrage

Die KI nutzt die abgerufenen Vektoren, um Fragen zu beantworten oder Kontext für komplexere Aufgaben zu liefern. So werden Rohdaten in nutzbare Informationen verwandelt.

Der Ablauf

Was Ihre KI tut, wenn die Anfrage eintrifft.

Die KI fungiert als Brücke zwischen Ihrer natürlichen Sprache und den mathematischen Operationen in ClickHouse.

  1. Datenstruktur prüfen

    Der Agent analysiert Ihre ClickHouse-Tabellen, um die spezifischen Spalten mit den Embeddings zu finden.

    describe_table

  2. Ähnlichkeitssuche ausführen

    Ihre KI sendet den Embedding-Vektor an ClickHouse, um die Distanzberechnung gegen Ihre gespeicherten Daten durchzuführen.

    vector_search

  3. Ergebnisse filtern

    Der Agent nutzt die zurückgegebenen Distanzwerte, um die präzisesten Treffer für Ihre Anfrage einzugrenzen.

    vector_search

  4. Ergebnisse präsentieren

    Die KI wandelt die rohen Datenbankzeilen in ein lesbares Format um, das Ihre spezifische Frage beantwortet.

    describe_table

Probieren Sie es

Kopieren Sie diese Vorlagen.

Nutzen Sie diese Prompts, um sofort Suchen zu starten.

Startpunkte

Ersetzen Sie die Tabellen- und Spaltennamen durch Ihre tatsächlichen ClickHouse-Bezeichner.

ClickHouse Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_567ij3B5hJvT6KRM8Z5LcFbGNttrwDvwD2OPp6c2/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — ClickHouse capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "clickhouse-vector-search-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_567ij3B5hJvT6KRM8Z5LcFbGNttrwDvwD2OPp6c2/mcp"
    }
  }
}
In den Chat kopieren04

  • Finde die 5 ähnlichsten Datensätze in der Tabelle 'products' unter Verwendung der Embedding-Spalte.

  • Beschreibe die Tabelle 'user_embeddings', damit ich weiß, welche Spalten ich für eine Suche nutzen kann.

  • Suche in der Tabelle 'documents' nach Datensätzen, die diesem Vektor semantisch nahe liegen: [0.1, 0.2, 0.3].

  • Zeige mir das Schema der Tabelle 'embeddings_store', um mich auf eine Ähnlichkeitsabfrage vorzubereiten.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmal verbinden, dann fragen.

Geben Sie Ihre Zugangsdaten einmal ein, um die Verbindung herzustellen. Ihr KI-Client hat danach direkten Zugriff auf Ihre ClickHouse-Vektordaten.

ClickHouse mit Ihrer KI verbinden

FAQ

Verhalten dieser Aufgabe

  • 01

    Kann die KI mein ClickHouse-Tabellenschema ändern?

    Nein. Die KI kann die Tabellenstruktur nur lesen, um zu verstehen, wie Suchen durchgeführt werden.

  • 02

    Wird die KI meine Vektordaten löschen?

    Nein. Dieser MCP stellt nur Werkzeuge zum Beschreiben von Tabellen und zum Durchführen von Suchen bereit.

  • 03

    Muss ich den Embedding-Vektor selbst angeben?

    Ja. Für eine Ähnlichkeitssuche müssen Sie den Vektor angeben, den Sie als Abfragepunkt nutzen möchten.

  • 04

    Kann die KI standardmäßige SQL-Abfragen ausführen?

    Nein. Die KI ist auf die bereitgestellten Werkzeuge für die Vektorsuche und die Tabellenbeschreibung beschränkt.

  • 05

    Woher weiß die KI, welche Tabelle sie durchsuchen soll?

    Sie geben den Tabellennamen in Ihrem Prompt an, oder die KI nutzt das describe-Tool, um die richtige Tabelle zu finden.

  • Weitere Fragen zu ClickHouse? Die Connector-Seite liefert Antworten. Alle Funktionen des ClickHouse Connectors ansehen

Verbinde ClickHouse mit Claude, Cursor, ChatGPT & mehr