本页介绍了 Memorystore for Redis Cluster 如何使用向量搜索功能来支持存储和查询生成式 AI 应用（例如检索增强生成 (RAG) 和 LangChain）的向量数据。
使用向量搜索和 LangChain 实现生成式 AI
Memorystore for Redis Cluster 上的向量搜索与开源 LLM 框架 LangChain 兼容。 通过将向量搜索与 LangChain 搭配使用，您可以针对以下用例构建解决方案：
- RAG
- LLM 缓存
- 推荐引擎
- 语义搜索
- 图片相似性搜索
在 Memorystore for Redis Cluster 中使用向量搜索实现生成式 AI 的优势
与其他 Google Cloud 数据库相比，使用 Memorystore 存储生成式 AI 数据的优势在于其 速度。Memorystore for Redis Cluster 上的向量搜索利用多线程查询，从而以低延迟实现高查询吞吐量 (QPS)。
在 Memorystore for Redis Cluster 中使用向量搜索实现生成式 AI 的方法
Memorystore 还提供了两种不同的搜索方法，可帮助您在速度和准确率之间找到适当的平衡。分层可导航小世界 (HNSW) 选项可提供快速的近似结果，非常适合近似匹配就足够的大型数据集。如果您需要绝对的精确度，则 FLAT 方法会生成确切的答案，但处理时间可能会稍长一些。
如果您想针对最快的向量数据读取和写入速度优化应用，那么 Memorystore for Redis Cluster 可能是您的最佳选择。