API/AI Gateway/Semantische Vektorsuche

Semantische Vektorsuche

GET/v1/ai/{project_id}/search

Führt leistungsstarke semantische Ähnlichkeitsabfragen über Vektor-Namespaces mit einstellbaren Schwellenwerten und Top-K-Grenzwerten durch.

Diese Seite wurde automatisch übersetzt. Maßgeblich ist die englische Version.

search.tstypescript

const { data: matches } = await aura.ai.semanticSearch(
  'What are the encryption requirements?',
  'legal-docs',
  { threshold: 0.8, top_k: 5 }
)

for (const match of matches ?? []) {
  console.log(`[${match.similarity.toFixed(2)}] ${match.content}`)
}

200.jsonjson

{
  "data": [
    {
      "id": "c3d4e5f6-7890-4abc-def1-234567890abc",
      "content": "All data at rest must be encrypted using AES-256-GCM or native Vault Transit KEKs...",
      "metadata": { "section": "compliance" },
      "similarity": 0.895
    }
  ]
}

Abfrage

Abfrageparameter

Parameter	Typ	Erforderlich	Beschreibung
`query`	`string`	ja	Suchphrase oder Suchanfrage in natürlicher Sprache.
`namespace`	`string`	ja	Namespace der Zielpartition, nach dem abgefragt werden soll.
`top_k`	`number`	Nein	Maximal zurückgegebene Dokumente (Standard `5`, max. `100`).
`threshold`	`number`	Nein	Minimaler Cosinus-Ähnlichkeitsschwellenwert von `0.0` bis `1.0` (Standard `0.7`).

Leistung

Dynamisches HNSW Tuning

Infos

Der Suchendpunkt legt die Variable hnsw.ef_search von PostgreSQL basierend auf dem angeforderten top_k ((top_k * 4).max(64)) dynamisch fest und garantiert so einen hohen Rückruf, selbst wenn Post-Index-Kandidaten gefiltert werden.

v1.0 · überarbeitet 31.10.2026
↗ OpenAPI-Spezifikation↗ GitHub

← VORHERIGES

Einbettungen

WEITER →

RAG query & ingest