¿Puede la IA crear nuevos vectores en Redis?

No. Este conector solo permite buscar vectores existentes mediante la herramienta search_vectors.

¿La IA borra mis embeddings actuales?

No. La IA no puede borrar ni modificar tus datos; solo realiza búsquedas de similitud de solo lectura.

¿Cuántos vecinos encontrará?

El número de vecinos depende del valor K que especifiques en tu prompt o solicitud.

¿Puedo buscar por texto en lugar de un vector?

La herramienta realiza búsquedas basadas en embeddings. Debes proporcionar el vector o hacer que tu cliente de IA genere el embedding primero.

¿Decide la IA cuáles son los 'mejores' vecinos?

La IA utiliza la distancia matemática para hallar los vecinos más cercanos, pero tú debes decidir si esas coincidencias son útiles para tu tarea específica.

COINCIDENCIASCONTEXTORELEVANCIAHUMANO

COINCIDENCIAS
CONTEXTO
RELEVANCIA
HUMANO

Cómo realizar búsquedas de similitud con tu IA y Redis Vector

Conecta Redis Vector con tu cliente de IA para realizar búsquedas vectoriales de alta velocidad. Una vez conectado, tu agente podrá consultar tu base de datos de embeddings para hallar puntos de datos relacionados.

Pregunta a la IA sobre esta página

Respuesta rápida

¿Cómo realizo búsquedas de similitud con mi IA?

Tu cliente de IA utiliza la herramienta search_vectors para ejecutar búsquedas de K-Nearest Neighbor (KNN). Toma un embedding que tú proporciones y devuelve los vectores matemáticamente más similares de tu base de datos Redis. Obtendrás una lista de los vecinos más cercanos de inmediato.

Los resultados de búsqueda

Qué obtienes de una búsqueda

Ejecutar una búsqueda de similitud genera puntos de datos específicos basados en tu espacio vectorial.

COINCIDENCIAS

Resultados de vecinos cercanos

La IA identifica los vectores con la menor distancia respecto a tu consulta. Recibirás los datos específicos vinculados a esos embeddings coincidentes.

CONTEXTO

Recuperación de datos relevantes

Tu agente extrae los metadatos asociados a los vectores encontrados. Esto permite que tu IA responda preguntas usando el contexto de los elementos más similares.

RELEVANCIA

Puntuaciones de similitud

La búsqueda indica qué tan cerca está cada vecino de tu entrada. Puedes usar estas puntuaciones para filtrar coincidencias poco precisas.

HUMANO

Requiere revisión manual

Debes decidir si la similitud matemática cumple con tus necesidades semánticas. La IA ofrece las coincidencias más cercanas, pero tú verificas la calidad.

El flujo

Lo que hace tu IA cuando llega la solicitud de búsqueda.

La IA se encarga del trabajo pesado de comunicarse con tu base de datos vectorial.

Recibir consulta
Tu agente recibe una solicitud para encontrar datos similares a un concepto o vector específico.
search_vectors
Ejecutar KNN
La IA llama a la herramienta de búsqueda para ejecutar un algoritmo K-Nearest Neighbor en tu instancia de Redis.
search_vectors
Extraer vecinos
La herramienta identifica los vectores más cercanos y extrae sus metadatos asociados.
search_vectors
Presentar resultados
Tu agente organiza los vecinos recuperados y los muestra en tu interfaz de chat.
search_vectors

Pruébalo

Copia estos ejemplos para empezar.

Usa estos prompts para activar tu primera búsqueda de similitud.

Puntos de partida

Estos son solo ejemplos. Debes reemplazar los temas o los IDs de vectores por tus propios datos.

Redis Vector Connector

Todo listo. Elige tu cliente MCP y sigue las instrucciones de configuración.

Enlace del conectorhttps://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp

Claude Desktop

Sigue los pasos siguientes para conectarte en segundos.

1In Claude Desktop, open Settings → Connectors.
2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
3Click Add and start a new chat — Redis Vector capabilities are ready to use.

Configuración · claude_desktop_config.jsonCopiar

{
  "mcpServers": {
    "redis-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp"
    }
  }
}

Copia en el chat04

Encuentra los 5 vectores más similares a este embedding: [insertar vector]
Busca en Redis los vecinos más cercanos al concepto de 'fuga de clientes'.
Realiza una búsqueda de similitud para encontrar documentos relacionados con el siguiente texto: [insertar texto]
Usando la herramienta search_vectors, busca los vecinos más cercanos para el ID de vector 'user_123_embedding'.

Claude
ChatGPT
Cursor
VS Code
Windsurf
Claude Code
JetBrains
Cline

Empieza aquí

Conecta Redis Vector una vez y luego pregunta.

Solo sigue el enlace para conectar tu instancia de Redis. Tus credenciales permanecen cifradas y podrás empezar a buscar de inmediato a través de tu cliente de IA preferido.

Conectar Redis Vector a tu IA

FAQ

Cómo funciona esta tarea

01
¿Puede la IA crear nuevos vectores en Redis?
No. Este conector solo permite buscar vectores existentes mediante la herramienta search_vectors.
02
¿La IA borra mis embeddings actuales?
No. La IA no puede borrar ni modificar tus datos; solo realiza búsquedas de similitud de solo lectura.
03
¿Cuántos vecinos encontrará?
El número de vecinos depende del valor K que especifiques en tu prompt o solicitud.
04
¿Puedo buscar por texto en lugar de un vector?
La herramienta realiza búsquedas basadas en embeddings. Debes proporcionar el vector o hacer que tu cliente de IA genere el embedding primero.
05
¿Decide la IA cuáles son los 'mejores' vecinos?
La IA utiliza la distancia matemática para hallar los vecinos más cercanos, pero tú debes decidir si esas coincidencias son útiles para tu tarea específica.
¿Tienes más dudas sobre Redis Vector? La página del Connector tiene las respuestas. Ver todo lo que puede hacer el Redis Vector Connector

Conecta Redis Vector a Claude, Cursor, ChatGPT y más