Vector Search

Genel Bakış

Vector Search düğümü, adlandırılmış bir vektör koleksiyonunu düz metin sorgusu ya da önceden hesaplanmış gömme vektörü kullanarak sorgular. Platform, en yakın komşu araması çalıştırmadan önce metin sorgusunu koleksiyonun varsayılan gömme modeli ile otomatik olarak gömmeye dönüştürür. Sonuçlar kosinüs benzerliğine göre sıralanır; isteğe bağlı puan eşiği ve meta veri yüklemi ile filtrelenir.

Tam dokümantasyon için İngilizce sayfaya bakınız: Vector Search (EN)

Yapılandırma

Alan	Tür	Zorunlu	Varsayılan	Açıklama
collection	string	Evet	—	Sorgulanacak vektör deposu koleksiyonunun adı. Platformun vektör deposu kayıt defterinde bulunmalıdır.
query_text	string	Hayır	—	Düz metin arama sorgusu. query_embedding ile karşılıklı olarak dışlar.
query_embedding	array<number>	Hayır	—	Önceden hesaplanmış gömme vektörü. query_text ile karşılıklı olarak dışlar.
top_k	integer	Hayır	5	Döndürülecek maksimum sonuç sayısı. Aralık: 1–100.
score_threshold	number	Hayır	0.0	Sonucun dahil edilmesi için gereken minimum kosinüs benzerlik puanı (0–1).
metadata_filter	object	Hayır	{}	Puanlama öncesi belge meta verileriyle eşleştirilen anahtar/değer çiftleri (AND semantiği).
include_metadata	boolean	Hayır	true	Her sonuca depolanan meta veri nesnesinin dahil edilip edilmeyeceği.

Girdiler

Bağlantı Noktası	Tür	Açıklama
query_text	string	query_text yapılandırma alanı için çalışma zamanı geçersiz kılma.
query_embedding	array<number>	Yukarı akış embedding düğümünden iletilen önceden hesaplanmış gömme.

Çıktılar

Bağlantı Noktası	Tür	Açıklama
results	array<object>	Eşleşen belgelerin sıralı listesi. Her öğe id, score, content ve isteğe bağlı metadata içerir.
count	number	Döndürülen toplam sonuç sayısı (eşik filtrelemesinden sonra).

Notlar

• query_text veya query_embedding'den tam olarak biri sağlanmalıdır; yapılandırmada ya da çalışma zamanında girdi portu aracılığıyla.
• Koleksiyon, workflow çalışmadan önce doldurulmalıdır; bu düğüm salt okunurdur ve vektör deposuna hiçbir zaman yazmaz.
• Yüksek trafikli workflow'larda, LLM yanıtlarını bozabilecek düşük kaliteli eşleşmeleri önlemek için score_threshold'u 0.6'nın üzerinde ayarlayın.