第08章：Vectorizeでqueryして意味検索しよう 🔎
Vectorizeへ保存したら、次は検索です。
ユーザーの質問をembeddingにして、近いベクトルを探します。
1. 質問もembeddingにする 🧠
保存時と同じ考え方で、質問をembeddingにします。
const queryEmbedding = await env.AI.run("@cf/baai/bge-base-en-v1.5", {
text: [question],
});
保存時とquery時で、基本的に同じembeddingモデルを使います。
2. Vectorizeへqueryする 📡
近いベクトルを探します。
const matches = await env.VECTORIZE.query(queryEmbedding.data[0], {
topK: 5,
returnMetadata: true,
});
topK は何件返すかです。
3. scoreを見る 📊
検索結果には、近さを示すscoreが含まれます。
scoreが低すぎる場合は「見つかりませんでした」と返す設計もあります。
scoreが高い → 関連が強い
scoreが低い → 関連が弱い
しきい値は実際のデータで調整します。
4. metadata filtering 🏷️
metadataで絞り込むこともできます。
userIdが同じものだけ
visibilityがpublicのものだけ
categoryがdocsのものだけ
権限のないデータを検索結果に出さないことが重要です 🔐
5. 章末チェック ✅
- 質問もembeddingにすると分かる
- Vectorizeのqueryで近いデータを探せる
- topKの意味が分かる
- scoreを見て関連度を判断できる
- metadata filteringで権限やカテゴリを絞れる
この章で覚える一言はこれです。
Vectorize queryは、質問に意味が近いデータを探すための処理です 🔎