Semantische Suche
Die semantische Suche findet Datensätze nach Bedeutung, während die Volltextsuche die Wörter abgleicht, die sie enthalten. Fóir generiert die Embeddings für jedes Modell, das Sie aktivieren, und Sie fragen sie mit Text, mit einem Datensatz oder mit einem eigenen Vektor ab.
Ein Modell aktivieren
Schalten Sie die Fähigkeit Embeddings für ein Modell ein, und sie wird wirksam, wenn das Modell veröffentlicht wird. Die Text- und Prosa-Felder des Modells werden standardmäßig eingebettet, und jedes Feld hat eine Embed-Einstellung, sodass sich ein Bezeichner wie ein Slug ausnehmen lässt.
Wann Datensätze eingebettet werden
Nachdem ein Datensatz geschrieben wurde, läuft das Einbetten 30 Sekunden später im Hintergrund, und eine Folge von Änderungen wird zu einem einzigen Job zusammengefasst. Unveränderter Inhalt wird kostenlos übersprungen. In einem Modell mit Veröffentlichung oder Versionierung wird nur veröffentlichter Inhalt eingebettet, sodass ein Entwurf nicht treffen kann.
Credits und vorhandene Datensätze
Das Einbetten verbraucht KI-Credits. Das Einschalten der Fähigkeit bettet die Datensätze, die ein Modell bereits hat, nicht ein. Das ist ein separates, bepreistes Backfill, bei dem Sie zuerst einen Kostenvoranschlag erhalten und dann bestätigen, und es wird über MCP oder die API ausgeführt.
Abfragen und eigene Vektoren
searchEmbeddings nimmt eine Textabfrage entgegen, die Fóir auf dem Server einbettet, oder einen Vektor. findSimilarRecords gibt Datensätze zurück, die dem genannten ähneln, für „mehr davon“. Berechnen Sie Vektoren anderswo, speichert writeEmbeddings sie. Agenten erreichen dieselbe Suche über ein MCP-Tool.
Details nachlesen
Der KI-Such-Leitfaden behandelt das Einschalten der Fähigkeit, die Wahl der eingebetteten Felder, das Backfill und das Abfragen aus einem Agent.