• CORRESPONDANCES
  • CONTEXTE
  • PERTINENCE
  • HUMAIN

Effectuer des recherches de similarité avec votre IA

Connectez Redis Vector à votre client IA pour effectuer des recherches vectorielles ultra-rapides. Une fois la connexion établie, votre agent peut interroger votre base d'embeddings pour trouver des données liées.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment effectuer des recherches de similarité avec mon IA ?

Votre client IA utilise l'outil search_vectors pour réaliser des recherches K-Nearest Neighbor (KNN). Il prend un embedding que vous fournissez et renvoie les vecteurs les plus proches mathématiquement dans votre base Redis. Vous obtenez immédiatement une liste des voisins les plus proches.

Les résultats de recherche

Ce que vous obtenez d'une recherche

Une recherche de similarité génère des points de données précis basés sur votre espace vectoriel.

CORRESPONDANCES

Résultats des plus proches voisins

L'IA identifie les vecteurs ayant la distance la plus courte par rapport à votre requête. Vous recevez les données spécifiques liées à ces embeddings correspondants.

CONTEXTE

Récupération de données pertinentes

Votre agent extrait les métadonnées associées aux vecteurs trouvés. Cela permet à votre IA de répondre à des questions en utilisant le contexte des éléments les plus similaires.

PERTINENCE

Scores de similarité

La recherche indique à quel point chaque voisin correspond à votre saisie. Vous pouvez utiliser ces scores pour filtrer les résultats peu pertinents.

HUMAIN

Révision manuelle nécessaire

Vous devez décider si la similarité mathématique répond réellement à vos besoins sémantiques. L'IA fournit les correspondances les plus proches, mais vous en validez la qualité.

Le flux

Ce que fait votre IA lors d'une demande de recherche.

L'IA gère toute la complexité de la communication avec votre base de données vectorielle.

  1. Recevoir la requête

    Votre agent reçoit une demande pour trouver des données similaires à un concept ou un vecteur spécifique.

    search_vectors

  2. Exécuter le KNN

    L'IA appelle l'outil de recherche pour lancer un algorithme K-Nearest Neighbor sur votre instance Redis.

    search_vectors

  3. Récupérer les voisins

    L'outil identifie les vecteurs les plus proches et extrait leurs métadonnées associées.

    search_vectors

  4. Présenter les résultats

    Votre agent organise les voisins récupérés et vous les présente directement dans votre interface de chat.

    search_vectors

Essayez

Copiez ces exemples pour commencer.

Utilisez ces prompts pour lancer votre première recherche de similarité.

Points de départ

Ce sont des exemples. Vous devez remplacer les sujets ou les IDs de vecteurs par vos propres données.

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

  • Trouve les 5 vecteurs les plus similaires à cet embedding : [insérer le vecteur]

  • Cherche dans Redis les voisins les plus proches du concept de 'churn client'.

  • Lance une recherche de similarité pour trouver des documents liés au texte suivant : [insérer le texte]

  • En utilisant l'outil search_vectors, trouve les plus proches voisins pour l'ID de vecteur 'user_123_embedding'.

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

Commencez ici

Connectez Redis Vector une fois, puis interrogez.

Suivez simplement le lien pour connecter votre instance Redis. Vos identifiants restent chiffrés et vous pouvez commencer vos recherches immédiatement via votre client IA habituel.

Connecter Redis Vector à votre IA

FAQ

Fonctionnement de la tâche

  • 01

    L'IA peut-elle créer de nouveaux vecteurs dans Redis ?

    Non. Ce connecteur permet uniquement de rechercher des vecteurs existants via l'outil search_vectors.

  • 02

    L'IA peut-elle supprimer mes embeddings existants ?

    Non. L'IA ne peut ni supprimer ni modifier vos données ; elle effectue uniquement des recherches de similarité en lecture seule.

  • 03

    Combien de voisins va-t-elle trouver ?

    Le nombre de voisins dépend de la valeur K que vous spécifiez dans votre prompt ou votre requête.

  • 04

    Puis-je effectuer une recherche par texte plutôt que par vecteur ?

    L'outil effectue des recherches basées sur des embeddings. Vous devez fournir le vecteur ou laisser votre client IA générer l'embedding au préalable.

  • 05

    L'IA décide-t-elle quels voisins sont les 'meilleurs' ?

    L'IA utilise la distance mathématique pour trouver les plus proches voisins, mais c'est à vous de juger si ces correspondances sont utiles pour votre tâche.

  • 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