テキスト埋め込みは、意味を表す数値のリストです。Cloudflare Vectorize はこれらのベクトルを検索可能な形で保存し、ユーザーの言葉が保存文書と完全には一致しなくても、関連文書を取得できるようにします。有用な検索システムには、安定した文書 ID、互換性のある次元数、非同期更新の処理、厳密な顧客境界も必要です。
小さなサポート知識サービスを、スキルごとに構築します。インデックスの作成と維持、意味検索、サーバーが管理する顧客とカテゴリの範囲内での検索、限定した証拠に基づく回答を学びます。データベースや検索の新しい概念は、それを必要とする操作とともに説明します。
5 つのガイド付きラボと、顧客分離に関する 1 つの自主課題で構成されています。各スキルをガイド付きラボで学んでから自主課題に進みます。
学習する内容
- 文書ベクトルインデックスを作成する： 互換性のあるインデックス、メタデータインデックス、識別可能な文書ベクトルを設定する。
- インデックス内の文書を最新に保つ： 変更されたレコードを置き換え、1 つの ID を削除し、非同期変更を安全に観察する。
- 類似するヘルプ記事を取得する： 質問を埋め込み、近い記事を順位付けし、明確な空の結果を返す。
- 顧客とカテゴリで検索を限定する： サーバーが選ぶ名前空間と、インデックス付きメタデータフィルターを組み合わせる。
- 根拠付き回答エンドポイントを構築する： 生成前に限定したソース文章を取得し、参照できる出典を示す。
- 顧客をまたぐ検索結果： 安全でない検索範囲の上書きを信頼するエンドポイントを自主的に修復する。
このコースの対象者
ベクトルインデックスを維持し、範囲を限定した出典付き検索を構築したい Workers AI 学習者が対象です。
前提知識： Cloudflare Workers AI for Beginners と Connect LabEx to Your Cloudflare Account を完了してください。JavaScript Worker、Workers AI バインディング、384 次元の BGE Small 埋め込みを認識できることが必要です。
学習環境： 自分の Cloudflare 学習用アカウントを使います。各ユニットは新しい VM で始まり、一意の名前の使い捨てリソースを作成し、実際のクラウド動作を確認して、そのリソースだけを削除し、ログアウトします。小さなインデックスと限定したクエリは、文書化された Workers Free 利用枠に収まります。根拠付き回答のラボは Workers AI Free の共有日次利用枠も使い、Workers Paid は不要です。
よくある質問
テキスト埋め込みとは何ですか？
意味を表す数値のリストです。Vectorize はベクトルを保存し、質問の表現が保存文章と違っていても、関連文書を取得できるようにします。
インデックスの変更はすぐに反映されますか？
変更は非同期です。安定した文書 ID と限定した観察を使い、変更レコードの置き換え、ID の削除、アプリケーションの取得結果を確認します。
顧客境界はどう適用しますか？
アプリケーションがサーバー側で名前空間を選び、インデックス付きメタデータフィルターを適用します。最終課題では、安全でないクライアントの範囲上書きを信頼するエンドポイントを修復します。
根拠付き生成には常に十分な証拠がありますか？
いいえ。限定した文章を取得し、参照可能な出典を示し、目的の証拠が利用できない場合は明確な空の結果を返します。根拠付き回答のラボは Workers AI の共有日次利用枠を使います。
