跳至主要內容

操作使用

BladeX大约 6 分钟vectortool

操作说明

本文档详细介绍向量库配置模块的具体操作步骤，包括向量库的新增、编辑、删除等核心功能。请按照步骤进行操作，确保配置的准确性和有效性。

一、向量库配置总览

  1. 登录AI平台，选择【大模型工具】>【向量库配置】，进入向量库配置管理页面。
  2. 页面显示所有已配置的向量库卡片，包含向量库名称、类型标签、连接地址等信息。
  3. 可以通过搜索框按数据库名称快速查找特定的向量库。
  4. 使用分页组件浏览大量向量库配置。
向量库配置主页
向量库配置主页

二、新增Milvus向量库

  1. 在向量库配置页面，点击【创建向量库】按钮，打开新增向量库配置表单。
  2. 选择向量库类型为"Milvus"。
  3. 填写Milvus连接信息：
    • 向量库名称：输入易于识别的名称（如：milvus）
    • 连接地址：Milvus服务器地址（如：127.0.0.1）
    • 连接端口：Milvus端口号（默认：19530）
    • 数据库名：Milvus数据库名称（如：milvus）
    • 集合名：向量数据集合名称
Milvus向量库新增
Milvus向量库新增
  1. 配置认证信息：
    • 用户名：Milvus访问用户名（如有）
    • 密码：对应的访问密码
  2. 设置向量维度：输入向量维度数值（如：128、256、512、1024等）
  3. 填写备注信息（可选）
  4. 点击【确定】保存配置

重要提示

向量维度必须与后续使用的向量模型输出维度保持一致，否则在知识库绑定时会导致调试失败。建议先确认向量模型的输出维度再进行配置。

三、新增Redis Stack向量库

  1. 在向量库配置页面，点击【创建向量库】按钮，打开新增向量库配置表单。
  2. 选择向量库类型为"Redis"。
  3. 填写Redis连接信息：
    • 向量库名称：输入易于识别的名称（如：redis）
    • 连接地址：Redis服务器地址（如：127.0.0.1）
    • 连接端口：Redis端口号（默认：6379）
    • Redis库索引：使用的Redis数据库索引（如：0）
Redis向量库新增
Redis向量库新增
  1. 配置认证信息：
    • Redis库密码：Redis访问密码（如有设置）
  2. 设置向量维度：输入向量维度数值
  3. 填写备注信息（可选）
  4. 点击【确定】保存配置

配置注意事项

Redis Stack模式下不需要配置表名，系统会自动管理向量索引。确保Redis服务已启用Vector搜索模块。

四、新增PgVector向量库

  1. 在向量库配置页面，点击【创建向量库】按钮，打开新增向量库配置表单。
  2. 选择向量库类型为"PgVector"。
  3. 填写PostgreSQL连接信息：
    • 向量库名称：输入易于识别的名称（如：pgvector）
    • 连接地址：PostgreSQL服务器地址（如：127.0.0.1）
    • 连接端口：PostgreSQL端口号（默认：5432）
    • 数据库名：PostgreSQL数据库名称
    • 表名：存储向量数据的表名
PgVector向量库新增
PgVector向量库新增
  1. 配置认证信息：
    • 用户名：PostgreSQL访问用户名
    • 密码：对应的访问密码
  2. 设置向量维度：输入向量维度数值
  3. 填写备注信息（可选）
  4. 点击【确定】保存配置

环境要求

使用PgVector需要确保PostgreSQL数据库已安装并启用pgvector扩展插件。

五、编辑向量库配置

  1. 在向量库列表中，将鼠标悬停在要编辑的向量库卡片上。
  2. 点击出现的【编辑】按钮（铅笔图标），打开编辑表单。
  3. 修改需要更新的配置参数，包括连接信息、认证参数等。
  4. 向量库类型选择后不可修改，如需更换类型请创建新的配置。
向量库编辑界面
向量库编辑界面
  1. 确认修改后点击【确定】保存更新。

修改风险提示

修改向量库参数可能导致已有知识库数据丢失风险。建议在修改前备份重要数据，并确认修改的必要性。

六、删除向量库配置

  1. 在向量库列表中，将鼠标悬停在要删除的向量库卡片上。
  2. 点击出现的【删除】按钮（垃圾桶图标）。
  3. 系统会弹出确认对话框，点击【确定】完成删除。

删除提示

  • 删除向量库配置前，请确保没有知识库正在使用该配置
  • 删除操作不可恢复，请谨慎操作
  • 建议先备份相关数据再进行删除

七、向量维度配置说明

维度选择原则

  1. 与向量模型匹配：向量库的维度设置必须与所使用的向量模型输出维度完全一致
  2. 常用维度规格：
    • 128维：适用于轻量级应用，性能较好
    • 256维：平衡性能和精度的选择
    • 512维：较高精度要求的应用
    • 1024维：高精度应用，需要更多存储和计算资源

维度一致性检查

  1. 在知识库创建时，系统会检查选择的向量库维度与向量模型维度
  2. 如果维度不匹配，系统会提示错误并阻止创建
  3. 建议在配置向量库前先确认要使用的向量模型参数

八、搜索和筛选

  1. 名称搜索：在搜索框中输入数据库名称，可快速查找特定的向量库配置。
  2. 类型识别：通过向量库卡片上的类型标签快速识别不同类型的向量库。
  3. 分页浏览：使用页面底部的分页组件浏览大量向量库配置。

九、向量库配置最佳实践

1. 命名规范

  • 使用清晰、有意义的向量库名称
  • 建议包含向量库类型和用途描述
  • 例如：milvus-knowledge、redis-cache-vector

2. 性能优化

  • 根据数据量选择合适的向量库类型
  • 为不同应用场景配置合适的向量维度
  • 定期监控向量库性能和存储使用情况

3. 安全配置

  • 设置强密码并定期更新认证信息
  • 限制数据库访问权限，使用专用账户
  • 定期备份向量数据和配置信息

4. 容量规划

  • 根据预期数据量选择合适的存储配置
  • 考虑向量维度对存储空间的影响
  • 规划数据增长和扩容策略
上次编辑于:
贡献者: smallchill