AnythingLLM向量数据库查看指南：从基础操作到生产环境实践

1次阅读

共计 2006 个字符，预计需要花费 6 分钟才能阅读完成。

向量数据库是专门用于存储、检索和管理高维向量数据的数据库系统。在 AnythingLLM 中，向量数据库扮演着核心角色，主要用于存储文本、图像等数据的向量表示（即嵌入向量），支持高效的相似性搜索和语义理解。

核心作用：实现语义搜索、个性化推荐、问答系统等功能
典型场景：用户输入查询语句时，系统将其转换为向量并在数据库中查找最相似的文档向量

通过 AnythingLLM 提供的 CLI 工具可以直接查询向量数据：

# 查看集合列表
anythingllm vector list-collections

# 查询特定集合中的向量
anythingllm vector query --collection=docs --limit=10

REST API 是最常用的交互方式，支持编程式访问：

# 获取所有集合
GET /api/v1/collections

# 查询向量
POST /api/v1/query
{
  "collection": "docs",
  "vector": [0.1, 0.2, ...],
  "top_k": 5
}

对于非技术用户，推荐使用内置的 Admin UI：

访问 http://localhost:8000/admin
导航到 Vector Database 模块
可以直观地浏览集合、查看向量分布

import requests
from pprint import pprint

# 配置 API 基础信息
BASE_URL = "http://localhost:8000/api/v1"
API_KEY = "your_api_key"  # 替换为实际 API 密钥

# 查询集合列表
def list_collections():
    headers = {"Authorization": f"Bearer {API_KEY}"}
    response = requests.get(f"{BASE_URL}/collections", headers=headers)
    return response.json()

# 查询向量数据
def query_vectors(collection_name: str, query_vector: list, top_k: int = 5):
    headers = {"Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    payload = {
        "collection": collection_name,
        "vector": query_vector,
        "top_k": top_k
    }
    response = requests.post(f"{BASE_URL}/query",
        headers=headers,
        json=payload
    )
    return response.json()

# 示例使用
if __name__ == "__main__":
    # 获取所有集合
    collections = list_collections()
    print("可用集合:")
    pprint(collections)

    # 假设我们要查询的向量
    test_vector = [0.1]*768  # 768 维的示例向量

    # 查询最相似的 5 个结果
    results = query_vectors("docs", test_vector)
    print("\n 查询结果:")
    pprint(results)