• PROVISION
  • VALIDATE
  • AUDIT
  • HUMAN

Vektorindizes mit Ihrer KI erstellen und testen

Verbinden Sie Ihren Agenten mit Redis, um die Index-Erstellung zu automatisieren. Sobald die Verbindung steht, übernimmt Ihre KI die Bereitstellung und Validierung Ihrer Vektorsuch-Strukturen.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie kann ich Vektorindizes mit meiner KI erstellen und testen?

Ihr Agent nutzt spezifische Tools, um RediSearch-Indizes bereitzustellen und deren Einstellungen mit Ihren Embedding-Dimensionen abzugleichen. Sie erhalten einen verifizierten Index, der sofort für Vektorsuche nach Ähnlichkeit bereitsteht.

Das Ergebnis dieser Aufgabe.

Wohin Ihre Daten fließen.

Ihr Agent führt Sie vom ersten Setup bis hin zum vollständig validierten Suchindex.

PROVISION

Neuer Index erstellt

Die KI richtet einen neuen RediSearch-Index mit den von Ihnen benötigten Vektorparametern ein. Sie erhalten einen neuen Eintrag in Ihrer Datenbank.

VALIDATE

Konfigurationsprüfung

Der Agent vergleicht die Index-Einstellungen mit den Dimensionen Ihres Embedding-Modells. So stellen Sie sicher, dass die Vektor-Berechnungen korrekt funktionieren.

AUDIT

Index-Inspektion

Ihr Agent ruft die aktuellen Metadaten eines bestehenden Index ab. Sie können genau prüfen, wie der Vektorraum strukturiert ist.

HUMAN

Manuelle Anpassung

Die KI meldet Dimensionen-Fehler oder Konfigurationsprobleme. Sie entscheiden, ob der Index gelöscht oder die Parameter angepasst werden sollen.

Der Ablauf

Was Ihre KI tut, wenn die Anfrage eingeht.

Der Agent fungiert als Brücke zwischen Ihrer Absicht und den Redis-Datenbankbefehlen.

  1. Index einrichten

    Der Agent definiert die Vektor-Dimensionen und Distanzmetriken, die für Ihr spezifisches Embedding-Modell erforderlich sind.

    create_vector_index

  2. Struktur verifizieren

    Der Agent ruft die technischen Details des neu erstellten Index ab, um sicherzustellen, dass er Ihren Anforderungen entspricht.

    get_index_info

  3. Bestehende Indizes prüfen

    Der Agent durchsucht Ihre aktuelle Redis-Umgebung, um Namenskollisionen oder doppelte Setups zu vermeiden.

    list_indexes

  4. Abweichungen melden

    Der Agent vergleicht die Index-Metadaten mit der Ausgabe Ihres Modells, um Fehler zu finden.

    get_index_info

Probieren Sie es

Kopieren Sie diese Vorlagen.

Nutzen Sie diese Prompts, um den Indexierungsprozess zu starten.

Startpunkte

Ersetzen Sie den Text in Klammern durch Ihre spezifischen Modell-Dimensionen oder Indexnamen.

Redis Vector Connector

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

Connector-Linkhttps://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/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 — Redis Vector capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "redis-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp"
    }
  }
}
In den Chat kopieren04

  • Erstelle einen neuen Vektorindex namens 'user_embeddings' mit 1536 Dimensionen.

  • Liste alle meine aktuellen Indizes auf und sag mir, welche die Cosine Similarity nutzen.

  • Prüfe die Konfiguration des Index 'product_search' und verifiziere, ob er zu einem 768-Dimensionen-Modell passt.

  • Zeig mir die Details für den Index 'doc_vectors', damit ich die Distanzmetrik prüfen kann.

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

Starten Sie hier

Einmal mit Redis Vector verbinden, dann fragen.

Verknüpfen Sie Ihr Konto nur einmal. Ihre Zugangsdaten bleiben verschlüsselt und Sie können sofort damit beginnen, Indizes über Ihren Agenten zu verwalten.

Redis Vector mit Ihrer KI verbinden

FAQ

So arbeitet dieser Task.

  • 01

    Kann die KI meine bestehenden Indizes löschen?

    Nein. Der Agent besitzt nur Werkzeuge zum Erstellen, Auflisten und Inspizieren von Indizes. Er kann diese nicht löschen oder entfernen.

  • 02

    Korrigiert die KI Dimensionen-Fehler automatisch?

    Nein. Die KI identifiziert die Abweichung durch die Prüfung der Index-Informationen, aber Sie müssen entscheiden, wie der Fehler behoben wird.

  • 03

    Übernimmt die KI die eigentliche Datenaufnahme?

    Nein. Dieser Agent konzentriert sich auf die Index-Struktur und die Konfiguration, nicht auf das Einfügen einzelner Vektoren.

  • 04

    Kann ich alle meine Indizes auf einmal sehen?

    Ja. Der Agent kann eine vollständige Liste aller vorhandenen Indizes in Ihrer Redis-Instanz abrufen.

  • 05

    Woher weiß die KI, ob der Index korrekt ist?

    Sie nutzt die Index-Metadaten, um die konfigurierten Dimensionen und Distanzmetriken mit den Spezifikationen Ihres Modells abzugleichen.

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

Verbinde Redis Vector mit Claude, Cursor, ChatGPT & mehr