• PROVISIONNER
  • VALIDER
  • AUDITER
  • HUMAIN

Créer et tester des index vectoriels avec votre IA

Connectez votre agent à Redis pour automatiser la configuration des index. Une fois lié, votre IA gère le provisionnement et la validation de vos structures de recherche vectorielle.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment créer et tester des index vectoriels avec mon IA ?

Votre agent utilise des outils spécifiques pour provisionner des index RediSearch et vérifier leurs paramètres selon les dimensions de vos embeddings. Vous obtenez ainsi un index vérifié, prêt pour la recherche par similarité vectorielle.

Résultats de la tâche.

Où vont vos données.

Votre agent passe de la configuration initiale à un index de recherche entièrement validé.

PROVISIONNER

Nouvel index créé

L'IA configure un nouvel index RediSearch avec les paramètres vectoriels requis. Vous obtenez une nouvelle entrée dans votre base de données.

VALIDER

Vérification de la configuration

L'agent compare les paramètres de l'index avec les dimensions de votre modèle d'embedding. Cela garantit la validité de vos calculs vectoriels.

AUDITER

Inspection de l'index

Votre agent extrait les métadonnées actuelles de n'importe quel index existant. Vous pouvez vérifier précisément la structure de l'espace vectoriel.

HUMAIN

Ajustement manuel

L'IA signale les erreurs de dimension ou de configuration. C'est à vous de décider s'il faut supprimer l'index ou modifier les paramètres.

Le flux

Ce que fait votre IA lors de la requête.

L'agent sert de pont entre votre intention et les commandes de la base de données Redis.

  1. Configurer l'index

    L'agent définit les dimensions vectorielles et les métriques de distance nécessaires à votre modèle d'embedding.

    create_vector_index

  2. Vérifier la structure

    L'agent extrait les détails techniques du nouvel index pour confirmer qu'il répond à vos exigences.

    get_index_info

  3. Contrôler les index existants

    L'agent parcourt votre environnement Redis pour éviter les conflits de noms ou les doublons.

    list_indexes

  4. Signaler les erreurs

    L'agent compare les métadonnées de l'index avec la sortie de votre modèle pour détecter des anomalies.

    get_index_info

Essayez

Copiez ces exemples pour commencer.

Utilisez ces prompts pour lancer le processus d'indexation.

Points de départ

Remplacez le texte entre crochets par vos dimensions de modèle ou vos noms d'index spécifiques.

Redis Vector Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

  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.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "redis-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp"
    }
  }
}
Copiez dans le chat04

  • Crée un nouvel index vectoriel nommé 'user_embeddings' avec 1536 dimensions.

  • Liste tous mes index actuels et indique-moi ceux qui utilisent la similarité cosinus.

  • Vérifie la configuration de l'index 'product_search' et confirme qu'il correspond à un modèle de 768 dimensions.

  • Affiche les détails de l'index nommé 'doc_vectors' pour que je puisse vérifier la métrique de distance.

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

Commencez ici

Connectez Redis Vector une fois, puis demandez.

Liez votre compte une seule fois. Vos identifiants restent chiffrés et vous pouvez immédiatement gérer vos index via votre agent.

Connecter Redis Vector à votre IA

FAQ

Fonctionnement de la tâche.

  • 01

    L'IA peut-elle supprimer mes index existants ?

    Non. L'agent dispose uniquement d'outils pour créer, lister et inspecter les index. Il ne peut ni les supprimer ni les supprimer définitivement.

  • 02

    L'IA corrigera-t-elle automatiquement une erreur de dimension ?

    Non. L'IA identifiera l'erreur en vérifiant les informations de l'index, mais c'est à vous de décider de la correction à apporter.

  • 03

    L'IA gère-t-elle l'ingestion des données ?

    Non. Cet agent se concentre sur la structure et la configuration de l'index, pas sur l'insertion des vecteurs individuels.

  • 04

    Puis-je voir tous mes index en même temps ?

    Oui. L'agent peut extraire la liste complète de tous les index existants dans votre instance Redis.

  • 05

    Comment l'IA sait-elle si l'index est correct ?

    Elle utilise les métadonnées de l'index pour comparer les dimensions et les métriques de distance configurées avec les spécifications de votre modèle.

  • D'autres questions sur Redis Vector ? La page du connecteur y répond. Voir toutes les capacités du connecteur Redis Vector

Connectez Redis Vector à Claude, Cursor, ChatGPT et d'autres