• MATCH
  • DRIFT
  • DATA
  • HUMAN

Déboguer la recherche de similarité RAG avec votre IA

Connectez Supabase Vector à votre client IA pour analyser l'impact des embeddings sur vos résultats de recherche.

Demandez à l'IA à propos de cette page

Réponse rapide

Comment déboguer la recherche de similarité RAG avec mon IA ?

Votre IA identifie les correspondances vectorielles les plus proches, puis extrait les données des lignes correspondantes pour vérifier le texte réel. Cela vous permet de voir si le calcul mathématique extrait le bon contexte et de comprendre pourquoi certains documents remontent.

Résultats du débogage.

Vos analyses concrètes.

L'IA traduit les calculs vectoriels en données exploitables.

MATCH

Identifier les meilleurs résultats

L'IA trouve les lignes les plus pertinentes via la distance vectorielle. Vous voyez précisément quels segments remontent pour une requête donnée.

DRIFT

Repérer la dérive des embeddings

Comparez le vecteur de la requête aux embeddings stockés. Cela permet de vérifier si votre modèle s'éloigne de vos données réelles.

DATA

Inspecter le contenu brut

L'IA extrait le texte associé à des IDs vectoriels spécifiques. Vérifiez si le texte récupéré contient bien les informations recherchées.

HUMAN

Ajustement manuel

L'IA signale les vecteurs problématiques nécessitant un ré-indexage. Vous décidez quand mettre à jour votre modèle ou nettoyer votre base.

Le flux

Ce que fait l'IA lors de la requête.

L'IA passe du calcul mathématique à l'inspection des données.

  1. Trouver des vecteurs similaires

    L'IA calcule quels embeddings de votre base sont les plus proches de votre texte d'entrée.

    match_vectors

  2. Récupérer les lignes correspondantes

    L'IA extrait les lignes spécifiques identifiées comme pertinentes par la recherche vectorielle.

    query_table_rows

  3. Analyser le contenu en détail

    L'IA examine une ligne précise pour vérifier les métadonnées ou le contenu textuel exact.

    get_table_row

  4. Analyser les résultats

    L'IA compare le texte récupéré à votre question initiale pour identifier les écarts.

    query_table_rows

Essayez

Copiez ces exemples pour commencer.

Utilisez ces prompts pour lancer votre session de débogage.

Points de départ

Remplacez les noms de tables et de colonnes par ceux de votre schéma Supabase.

Supabase Vector Connector

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

Lien du connecteurhttps://edge.vinkius.com/vk_preview_r2cwX4M1GouGmm6VnqY7CUQyTiHKovu2fp0L81jN/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 — Supabase Vector capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "supabase-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_r2cwX4M1GouGmm6VnqY7CUQyTiHKovu2fp0L81jN/mcp"
    }
  }
}
Copiez dans le chat04

  • Trouve les 5 premières lignes de ma table 'documents' qui correspondent à cette requête : 'Comment réinitialiser mon mot de passe ?'

  • Compare l'embedding de cette requête aux vecteurs de ma table 'embeddings' et explique-moi pourquoi la distance est si élevée.

  • Récupère le contenu de la ligne avec l'ID 452 pour vérifier si le texte correspond à la représentation vectorielle.

  • Interroge la table 'knowledge_base' pour toutes les lignes ayant un score de similarité supérieur à 0.8 pour ma recherche actuelle.

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

Commencez ici

Connectez Supabase Vector une fois, puis interrogez.

Fournissez vos identifiants Supabase pour démarrer. La connexion est cryptée et vous pouvez déboguer immédiatement dans votre client IA.

Connecter Supabase Vector à votre IA

FAQ

Fonctionnement de la tâche.

  • 01

    L'IA peut-elle modifier mes embeddings ?

    Non. L'IA peut uniquement lire et interroger les données existantes. Elle ne peut ni modifier ni supprimer vos embeddings.

  • 02

    L'IA peut-elle créer de nouvelles tables dans Supabase ?

    Non. L'IA est limitée aux outils fournis, qui servent uniquement à l'interrogation et à la recherche de données existantes.

  • 03

    Comment gère-t-elle les grands jeux de données ?

    L'IA utilise l'outil de matching vectoriel pour filtrer les données et ne garder que les lignes les plus pertinentes avant de les inspecter.

  • 04

    Dois-je fournir les calculs mathématiques des vecteurs ?

    Non. Votre client IA utilise l'outil de matching pour gérer lui-même le calcul de similarité.

  • 05

    L'IA peut-elle corriger un mauvais embedding ?

    Non. L'IA peut identifier les embeddings qui ne correspondent pas, mais vous devez effectuer le ré-indexage ou les mises à jour vous-même.

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

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