• MATCH
  • DRIFT
  • DATA
  • HUMAN

Como depurar busca de similaridade RAG com sua IA

Conecte o Supabase Vector ao seu cliente de IA para analisar como os embeddings direcionam seus resultados de busca.

Pergunte à IA sobre esta página

Resposta rápida

Como posso depurar a busca de similaridade RAG com minha IA?

Sua IA identifica as correspondências vetoriais mais próximas e busca os dados da linha correspondente para verificar o texto real. Isso permite conferir se o cálculo matemático está trazendo o contexto correto. Você terá uma visão clara de por que certos documentos estão aparecendo.

Resultados da depuração.

Onde você obtém os insights.

A IA transforma cálculos vetoriais em dados legíveis.

MATCH

Identificar principais resultados

A IA encontra as linhas mais relevantes usando distância vetorial. Você vê exatamente quais fragmentos aparecem para uma consulta específica.

DRIFT

Detectar desvio de embedding

Compare o vetor da consulta com os embeddings armazenados. Isso ajuda a ver se seu modelo está se distanciando dos seus dados reais.

DATA

Inspecionar conteúdo bruto

A IA busca o texto associado a IDs vetoriais específicos. Você pode verificar se o texto recuperado realmente contém a informação necessária.

HUMAN

Ajuste manual

A IA sinaliza vetores problemáticos que precisam de reindexação. Você decide quando atualizar seu modelo ou limpar seu banco de dados.

O fluxo

O que sua IA faz quando a consulta chega.

A IA passa da correspondência matemática para a inspeção de dados.

  1. Encontrar vetores similares

    A IA calcula quais embeddings no seu banco de dados estão mais próximos do seu texto de entrada.

    match_vectors

  2. Buscar linhas correspondentes

    A IA recupera as linhas específicas que a busca vetorial identificou como relevantes.

    query_table_rows

  3. Análise profunda de conteúdo

    A IA analisa uma linha específica para verificar metadados ou o conteúdo exato do texto.

    get_table_row

  4. Analisar resultados

    A IA compara o texto recuperado com sua pergunta original para encontrar divergências.

    query_table_rows

Teste

Copie estes comandos para começar.

Use estes prompts para iniciar sua sessão de depuração.

Pontos de partida

Substitua os nomes de tabelas e colunas pelo seu próprio esquema do Supabase.

Supabase Vector Connector

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

Link do conectorhttps://edge.vinkius.com/vk_preview_r2cwX4M1GouGmm6VnqY7CUQyTiHKovu2fp0L81jN/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 — Supabase Vector capabilities are ready to use.
Configuração · claude_desktop_config.jsonCopiar
{
  "mcpServers": {
    "supabase-vector-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_r2cwX4M1GouGmm6VnqY7CUQyTiHKovu2fp0L81jN/mcp"
    }
  }
}
Copie no chat04

  • Encontre as 5 principais linhas na minha tabela 'documents' que correspondem a esta consulta: 'Como eu redefino minha senha?'

  • Compare o embedding desta consulta com os vetores na minha tabela 'embeddings' e me diga por que a distância está tão alta.

  • Busque o conteúdo da linha com ID 452 para verificar se o texto corresponde à representação vetorial.

  • Consulte a tabela 'knowledge_base' por todas as linhas que tenham um score de similaridade acima de 0.8 para minha busca atual.

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

Comece aqui

Conecte o Supabase Vector uma vez e comece a perguntar.

Forneça suas credenciais do Supabase para começar. A conexão é criptografada e você pode iniciar a depuração imediatamente no seu cliente de IA preferido.

Conectar Supabase Vector ao seu IA

FAQ

Como esta tarefa funciona.

  • 01

    A IA pode alterar meus embeddings vetoriais?

    Não. A IA só pode ler e consultar os dados existentes. Ela não pode modificar ou excluir seus embeddings.

  • 02

    A IA pode criar novas tabelas no Supabase?

    Não. A IA está limitada às ferramentas fornecidas, que servem apenas para consultar e encontrar correspondências nos dados existentes.

  • 03

    Como ela lida com grandes conjuntos de dados?

    A IA usa a ferramenta de correspondência vetorial para filtrar o conjunto de dados até encontrar as linhas mais relevantes antes de inspecioná-las.

  • 04

    Preciso fornecer os cálculos matemáticos dos vetores?

    Não. Seu cliente de IA usa a ferramenta de correspondência para realizar o cálculo de similaridade.

  • 05

    A IA pode corrigir um embedding incorreto?

    Não. A IA pode identificar quais embeddings não são boas correspondências, mas você deve realizar a reindexação ou as atualizações por conta própria.

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

Conecte Supabase Vector ao Claude, Cursor, ChatGPT e outros