文本嵌入是一组表示语义的数字。Cloudflare Vectorize 为这些向量提供可搜索存储，让应用在用户措辞与原文不同的情况下也能查找相关文档。有效搜索还需要稳定文档 ID、兼容维度、异步更新处理和严格客户边界。
本课程逐项构建小型支持知识服务：维护索引、执行语义检索、在服务器控制的客户与类别范围内搜索，并用有限证据支持回答。每个新概念都在相关操作附近解释。
课程包含 5 个引导实验和 1 个独立客户隔离挑战，先练习每项能力，再独立修复问题。
你将学到什么
- 创建文档向量索引： 配置兼容索引、metadata indexes 和带 ID 的文档向量
- 保持索引文档最新： 替换更新记录、移除一个 ID，并安全观察异步变更
- 检索相似帮助文章： 嵌入问题，排序相关文档，并返回明确的空结果
- 限定客户与类别搜索： 将服务器选择的 namespace 与已索引元数据过滤结合
- 构建有依据的回答端点： 生成前检索有限来源段落，并引用可定位来源
- 跨客户搜索结果： 独立修复信任不安全范围覆盖值的端点
适合人群
适合希望维护向量索引并构建限定范围、有来源依据搜索的 Workers AI 学习者。
先修要求： 完成 Cloudflare Workers AI for Beginners 和 将 LabEx 连接到你的 Cloudflare 账户。你应理解 JavaScript Worker、Workers AI binding 和 384 维 BGE Small embedding。
学习环境： 使用自己的 Cloudflare 学习账户。每个单元在全新 VM 中创建名称唯一的临时资源，验证实际云行为，删除自有资源并退出登录。小型索引和有限查询处于文档所述 Workers Free 额度内；有依据回答实验还使用共享的 Workers AI 每日 Free 额度，不要求 Workers Paid。
常见问题
什么是文本嵌入？
它是一组表达语义的数字。Vectorize 保存向量，让应用在问题用词与存储文本不同的情况下检索相关文档。
索引更新会立即出现吗？
索引变更异步进行。通过稳定文档 ID 与有界观察来替换更新记录、移除旧 ID，并确认应用检索结果。
怎样执行客户隔离？
应用在服务器选择 namespace，再使用已索引的元数据过滤。最后挑战修复信任不安全客户端范围覆盖值的端点。
有依据生成总有足够证据吗？
不一定。检索有限段落，引用可定位来源；目标证据不存在时返回明确空结果。有依据回答实验使用共享的 Workers AI 每日额度。
