#Vektordatabas

#Introduktion

I en kunskapsbas lagrar vektordatabasen vektoriserade dokument från kunskapsbasen. Dessa vektoriserade dokument fungerar som ett index för dokumenten.

När RAG-hämtning (Retrieval-Augmented Generation) är aktiverat i en AI-agentkonversation, vektoriseras användarens meddelande. Därefter hämtas fragment av kunskapsbasdokument från vektordatabasen för att matcha relevanta dokumentstycken och originaltext.

För närvarande har AI Knowledge Base-plugin-en endast inbyggt stöd för PGVector, som är en PostgreSQL-databas-plugin.

#Hantering av vektordatabas

Gå till konfigurationssidan för AI Agent-plugin-en, klicka på fliken Vector store och välj Vector database för att komma till sidan för hantering av vektordatabasen.

Klicka på knappen Add new i det övre högra hörnet för att lägga till en ny PGVector-vektordatabasanslutning:

• I fältet Name anger du anslutningsnamnet.
• I fältet Host anger du vektordatabasens IP-adress.
• I fältet Port anger du vektordatabasens portnummer.
• I fältet Username anger du användarnamnet för vektordatabasen.
• I fältet Password anger du lösenordet för vektordatabasen.
• I fältet Database anger du databasnamnet.
• I fältet Table name anger du tabellnamnet, vilket används när du skapar en ny tabell för att lagra vektordata.

När du har fyllt i all nödvändig information klickar du på knappen Test för att testa om vektordatabastjänsten är tillgänglig, och sedan på knappen Submit för att spara anslutningsinformationen.