标签： vector

好的，没问题，直接进入正题！ 各位老铁，大家好！我是今天的主讲人，一位略懂编程的专家（不敢自称大师，怕被打）。今天咱们聊点硬核的，但保证通俗易懂，那就是Redis Vector Search在AI大模型中的应用潜力。 啥是AI大模型？简单说，就是那些参数贼多，能干很多事儿的神经网络，比如生成文本、翻译、写代码等等。 这些模型需要海量的数据才能训练出来，训练好了之后，怎么用它来快速找到我们想要的信息，这就是个大问题。 传统数据库，像MySQL，找精确匹配还行，但要找“相似”的东西，就有点力不从心了。 这时候，Vector Search就派上用场了。 一、 什么是向量搜索？别怕，不难！ 向量搜索，顾名思义，就是把东西都变成向量，然后在向量空间里找距离最近的。 向量是什么？ 向量就是一个数字列表。比如，[1.2, 3.4, -0.5, 0.8]就是一个4维向量。 怎么把东西变成向量？ 这就得靠AI模型了。 比如，你可以用一个文本嵌入模型（比如Sentence Transformers）把一段文本变成一个向量，这个向量就代表了这段文本的含义。 类似的，图像、音频、视频也都可以通过相应的模型变成 …

继续阅读“Redis `Vector Search` 在 AI 大模型中的应用潜力”

好，让我们开始这场关于 Redis Vector Search 的技术讲座，主题是：向量相似度搜索与 AI 应用。 各位观众，各位朋友，各位未来的人工智能大师们，大家好！今天咱们不整虚的，直接上干货，聊聊 Redis Vector Search 这玩意儿，看看它到底能帮咱们在 AI 的道路上走多远。 第一部分：啥是向量，啥是相似度？ 在深入 Redis Vector Search 之前，咱们得先搞明白两个概念：向量和相似度。 向量 (Vector)： 别一听这词儿就觉得高大上，其实它就是一堆数字。比如，你可以用一个向量 [0.2, 0.5, 0.1, 0.8] 来表示一篇文章，每个数字代表某个关键词在这篇文章里的重要程度。图像、音频、甚至用户行为，都可以转换成向量。关键在于，向量能把复杂的东西变成计算机能理解的数字。 相似度 (Similarity)： 有了向量，我们就能算相似度了。相似度就是衡量两个向量有多像的指标。常用的相似度算法有： 余弦相似度 (Cosine Similarity)： 这是最常用的。它计算的是两个向量夹角的余弦值。余弦值越接近 1，向量越相似；越接近 -1，向量 …

继续阅读“Redis `Vector Search`：向量相似度搜索与 AI 应用”