• CORRESPONDÊNCIAS
  • CONTEXTO
  • RELEVÂNCIA
  • HUMANO

Como fazer buscas por similaridade com sua IA

Conecte o Redis Vector ao seu cliente de IA para realizar buscas vetoriais de alta velocidade. Após a conexão, seu agente pode consultar seu banco de dados de embeddings para encontrar dados relacionados.

Pergunte à IA sobre esta página

Resposta rápida

Como faço buscas por similaridade com minha IA?

Seu cliente de IA utiliza a ferramenta search_vectors para realizar buscas de K-Vizinhos Mais Próximos (KNN). Ele recebe um embedding fornecido por você e retorna os vetores matematicamente mais similares do seu banco de dados Redis. Você recebe uma lista dos vizinhos mais próximos imediatamente.

Os resultados da busca

O que você recebe de uma busca

Uma busca por similaridade gera pontos de dados específicos com base no seu espaço vetorial.

CORRESPONDÊNCIAS

Resultados de vizinhos próximos

A IA identifica os vetores com a menor distância em relação à sua consulta. Você recebe os dados específicos anexados a esses embeddings correspondentes.

CONTEXTO

Recuperação de dados relevantes

Seu agente extrai os metadados associados aos vetores encontrados. Isso permite que sua IA responda perguntas usando o contexto dos itens mais similares.

RELEVÂNCIA

Scores de similaridade

A busca retorna o quão próximo cada vizinho corresponde à sua entrada. Você pode usar esses scores para filtrar correspondências fracas.

HUMANO

Revisão manual necessária

Você deve decidir se a similaridade matemática realmente atende às suas necessidades semânticas. A IA fornece os itens mais próximos, mas você valida a qualidade.

O fluxo

O que sua IA faz quando a busca chega.

A IA cuida de toda a parte complexa de comunicação com seu banco de dados vetorial.

  1. Receber consulta

    Seu agente recebe um pedido para encontrar dados similares a um conceito ou vetor específico.

    search_vectors

  2. Executar KNN

    A IA chama a ferramenta de busca para rodar o algoritmo de K-Vizinhos Mais Próximos na sua instância Redis.

    search_vectors

  3. Buscar vizinhos

    A ferramenta identifica os vetores mais próximos e extrai seus metadados associados.

    search_vectors

  4. Apresentar resultados

    Seu agente organiza os vizinhos encontrados e os apresenta para você na interface de chat.

    search_vectors

Teste

Copie estes exemplos para começar.

Use estes prompts para disparar sua primeira busca por similaridade.

Pontos de partida

Estes são apenas exemplos. Você deve substituir os tópicos ou IDs de vetores pelos seus próprios dados.

Redis Vector Connector

Tudo pronto. Escolha seu cliente MCP e siga as instruções de configuração.

Link do conectorhttps://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp

Claude Desktop

Siga os passos abaixo para conectar em segundos.

  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.
Configuração · claude_desktop_config.jsonCopiar
{
  "mcpServers": {
    "redis-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_zP1SqypHeKOFu0yRPw2yTUOrfnlmdOQBZrAWkuF4/mcp"
    }
  }
}
Copie no chat04

  • Encontre os 5 vetores mais similares a este embedding: [inserir vetor]

  • Busque por vizinhos no Redis que sejam mais próximos ao conceito de 'churn de clientes'.

  • Execute uma busca por similaridade para encontrar documentos relacionados ao seguinte texto: [inserir texto]

  • Usando a ferramenta search_vectors, encontre os vizinhos mais próximos para o ID de vetor 'user_123_embedding'.

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

Comece aqui

Conecte o Redis Vector uma vez e comece a perguntar.

Basta seguir o link para conectar sua instância Redis. Suas credenciais ficam criptografadas e você pode começar a buscar imediatamente pelo seu cliente de IA preferido.

Conectar Redis Vector à sua IA

FAQ

Como esta tarefa funciona

  • 01

    A IA pode criar novos vetores no Redis?

    Não. Este connector apenas permite buscar vetores existentes usando a ferramenta search_vectors.

  • 02

    A IA apaga meus embeddings existentes?

    Não. A IA não pode apagar ou modificar seus dados; ela apenas realiza buscas por similaridade em modo de leitura.

  • 03

    Quantos vizinhos ela encontrará?

    O número de vizinhos depende do valor de K que você especificar no seu prompt ou requisição.

  • 04

    Posso buscar por texto em vez de um vetor?

    A ferramenta realiza buscas baseadas em embeddings. Você deve fornecer o vetor ou garantir que seu cliente de IA gere o embedding primeiro.

  • 05

    A IA decide quais vizinhos são os 'melhores'?

    A IA usa a distância matemática para encontrar os vizinhos mais próximos, mas cabe a você decidir se essas correspondências são úteis para sua tarefa específica.

  • Mais dúvidas sobre o Redis Vector? A página do Connector responde. Veja tudo o que o Redis Vector Connector pode fazer

Conecte Redis Vector ao Claude, Cursor, ChatGPT e outros