Vectorize 配置说明

# Vectorize 配置 ## 创建索引 bash npx wrangler vectorize create my-index --dimensions=768 --metric=cosine **⚠️ 维度和度量标准是不可变的** - 创建后无法更改。 ## Worker 绑定 c // wrangler.jsonc { "vectorize": [ { "binding": "VECTORIZE", "index_name": "my-index" } ] } typescript interface Env { VECTORIZE: Vectorize; } ## 元数据索引 **必须在插入向量之前创建** - 现有向量不会被追溯索引。 bash wrangler vectorize create-metadata-index my-index --property-name=category --type=string wrangler vectorize create-metadata-index my-index --property-name=price --type=number | 类型 | 用途 | |------|---------| | `string` | 分类、标签（索引前 64 字节） | | `number` | 价格、时间戳 | | `boolean` | 标志位 | ## CLI 命令 bash # 索引管理 wrangler vectorize list wrangler vectorize info wrangler vectorize delete # 向量操作 wrangler vectorize insert --file=embeddings.ndjson wrangler vectorize get --ids=id1,id2 wrangler vectorize delete-by-ids --ids=id1,id2 # 元数据索引 wrangler vectorize list-metadata-index wrangler vectorize delete-metadata-index --property-name=field ## 批量上传 (NDJSON) {"id": "1", "values": [0.1, 0.2, ...], "metadata": {"category": "docs"}} {"id": "2", "values": [0.4, 0.5, ...], "namespace": "tenant-abc"} **限制：** 每个文件最多 5000 个向量，最大 100 MB ## 基数最佳实践 对高基数数据进行分桶： typescript // ❌ 毫秒级时间戳 metadata: { timestamp: Date.now() } // ✅ 5 分钟分桶 metadata: { timestamp_bucket: Math.floor(Date.now() / 300000) * 300000 } ## 生产环境检查清单 1. 使用正确的维度创建索引 2. 优先创建元数据索引 3. 测试批量上传 4. 配置绑定 5. 部署 Worker 6. 验证查询