Skip to content
Cloudflare Docs
非官方翻译 - 此文档为非官方中文翻译版本，仅供参考。如有疑问请以 英文官方文档 为准。

检索增强生成

Agents 可以使用检索增强生成（RAG）来检索相关信息并使用它来增强对 AI 模型的调用。存储用户的聊天历史记录以用作未来对话的上下文，总结文档以引导 Agent 的知识库，和/或使用来自 Agent 的网页浏览任务的数据来增强您的 Agent 的能力。

您可以使用 Agent 自己的 SQL 数据库作为数据的事实来源，并将嵌入存储在 Vectorize（或任何其他支持向量的数据库）中，以允许您的 Agent 检索相关信息。

向量搜索

您可以从 Agent 上的任何方法查询向量索引（或索引）：您附加的任何 Vectorize 索引都可以在 Agent 内的 this.env 上使用。如果您已经将元数据关联到映射回存储在 Agent 中的数据的向量，您可以使用 this.sql 直接在 Agent 内查找数据。

以下是如何为 Agent 提供检索功能的示例：

import { Agent } from "agents";


export class RAGAgent extends Agent {
  // 我们 Agent 上的其他方法
  // ...
  //
  async queryKnowledge(userQuery) {
    // 将查询转换为嵌入
    const queryVector = await this.env.AI.run("@cf/baai/bge-base-en-v1.5", {
      text: [userQuery],
    });


    // 从我们的向量索引中检索结果
    let searchResults = await this.env.VECTOR_DB.query(queryVector.data[0], {
      topK: 10,
      returnMetadata: "all",
    });


    let knowledge = [];
    for (const match of searchResults.matches) {
      console.log(match.metadata);
      knowledge.push(match.metadata);
    }


    // 使用元数据将向量搜索结果重新关联
    // 到我们 Agent 的 SQL 数据库中的数据
    let results = this
      .sql`SELECT * FROM knowledge WHERE id IN (${knowledge.map((k) => k.id)})`;


    // 返回它们
    return results;
  }
}

您还需要将您的 Agent 连接到您的向量索引：

{
  // ...
  "vectorize": [
    {
      "binding": "VECTOR_DB",
      "index_name": "your-vectorize-index-name",
    },
  ],
  // ...
}

如果您有多个要提供的索引，您可以提供一个 vectorize 绑定数组。

下一步