第05章：Vectorizeとベクトル検索の基本 🧭
Vectorizeは、Cloudflareのベクトルデータベースです。
意味が近い文章やデータを探すAI検索の土台になります。
1. ベクトル検索とは 🔎
普通の検索は、キーワード一致が中心です。
検索: Workers
↓
"Workers" を含む文章
ベクトル検索では、意味の近さを使います。
検索: サーバーなしでAPIを動かしたい
↓
Cloudflare Workersの記事
言葉が完全一致しなくても探せるのが魅力です。
2. Embeddingを保存する 🧩
文章をAIでembeddingに変換し、Vectorizeへ保存します。
文章
↓ Workers AI
embedding
↓
Vectorize
あとでユーザー質問もembeddingにして、近いものを探します。
3. 何に使える？ 📚
Vectorizeは、いろいろなAIアプリに使えます。
- FAQ検索
- 学習メモ検索
- 類似記事検索
- おすすめ
- 異常検知
- LLMへのcontextやmemory
公式でも、semantic searchやrecommendationsなどの用途が案内されています。
4. 保存先の分担 🗺️
Vectorizeにはembedding、本文やファイルは別に置くことが多いです。
本文 → D1 / R2
embedding → Vectorize
メタデータ → D1 / Vectorize metadata
大きな本文を全部Vectorizeへ詰め込む場所ではありません。
5. 章末チェック ✅
- VectorizeはベクトルDBだと分かる
- キーワード検索と意味検索の違いが分かる
- embeddingを保存してqueryすると分かる
- FAQ検索やRAGに使える
- 本文とembeddingの保存先を分けられる
この章で覚える一言はこれです。
Vectorizeは、文章やデータの“意味の近さ”で探すためのデータベースです 🧭