Vectorize 概览

# Cloudflare Vectorize 面向 AI 应用的全球分布式向量数据库。存储并查询向量嵌入，用于语义搜索、推荐系统、RAG（检索增强生成）和分类。 **状态：** 正式发布 (GA) | **最后更新：** 2026-01-27 ## 快速入门 typescript // 1. 创建索引 // npx wrangler vectorize create my-index --dimensions=768 --metric=cosine // 2. 配置绑定 (wrangler.jsonc) // { "vectorize": [{ "binding": "VECTORIZE", "index_name": "my-index" }] } // 3. 查询向量 const matches = await env.VECTORIZE.query(queryVector, { topK: 5 }); ## 核心特性 - **每个索引 1000 万个向量** (V2) - 维度最高 1536 (32位浮点数) - 三种距离度量：余弦相似度 (cosine)、欧几里得距离 (euclidean)、点积 (dot-product) - 元数据过滤 (最多 10 个索引) - 命名空间支持 (付费版 5 万个，免费版 1 千个) - 与 Workers AI 无缝集成 - 全球分布 ## 阅读顺序 | 任务 | 阅读文件 | |------|---------------| | 初次使用 Vectorize | 仅 README | | 实现功能 | README + api + patterns | | 设置/配置 | README + configuration | | 调试问题 | gotchas | | 集成 AI | README + patterns | | 实现 RAG | README + patterns | ## 文件指南 - **README.md** (本文档): 概览，快速决策 - **api.md**: 运行时 API，类型，操作 (查询/插入/更新) - **configuration.md**: 设置，CLI，元数据索引 - **patterns.md**: RAG, Workers AI, OpenAI, LangChain, 多租户 - **gotchas.md**: 限制，陷阱，故障排查 ## 距离度量选择 根据用例选择： 您在构建什么？ ├─ 文本/语义搜索 → cosine (最常用) ├─ 图像相似度 → euclidean ├─ 推荐系统 → dot-product └─ 预归一化向量 → dot-product | 度量 | 最佳场景 | 分数解读 | |--------|----------|---------------------| | `cosine` | 文本嵌入，语义相似度 | 越高越近 (1.0 = 完全相同) | | `euclidean` | 绝对距离，空间数据 | 越低越近 (0.0 = 完全相同) | | `dot-product` | 推荐系统，归一化向量 | 越高越近 | **注意：** 索引配置是不可变的。创建后无法更改维度或度量方式。 ## 多租户策略 租户数量？ ├─ 5 万租户 → 使用元数据过滤 │ ├─ 较慢 (在向量搜索后过滤) │ └─ 需要元数据索引 └─ 每个租户独立索引 → 仅限