#Векторная база данных

#Введение

В базе знаний векторная база данных хранит векторизованные документы. Векторизованные документы по сути являются индексом для этих документов.

Когда в диалоге с AI-агентом включена функция RAG-поиска (Retrieval Augmented Generation), сообщение пользователя векторизуется. Затем из векторной базы данных извлекаются фрагменты документов базы знаний, чтобы найти соответствующие абзацы и исходный текст документа.

В настоящее время плагин «База знаний AI» имеет встроенную поддержку только для PGVector — это плагин для базы данных PostgreSQL.

#Управление векторной базой данных

Перейдите на страницу конфигурации плагина «AI-агент», нажмите вкладку Vector store и выберите Vector database, чтобы перейти на страницу управления векторной базой данных.

Нажмите кнопку Add new в правом верхнем углу, чтобы добавить новое подключение к векторной базе данных PGVector:

• В поле Name введите название подключения.
• В поле Host введите IP-адрес векторной базы данных.
• В поле Port введите номер порта векторной базы данных.
• В поле Username введите имя пользователя векторной базы данных.
• В поле Password введите пароль векторной базы данных.
• В поле Database введите название базы данных.
• В поле Table name введите название таблицы, которое будет использоваться при создании новой таблицы для хранения векторных данных.

После ввода всей необходимой информации нажмите кнопку Test, чтобы проверить доступность службы векторной базы данных, а затем нажмите кнопку Submit, чтобы сохранить информацию о подключении.