https://benzhub.github.io/tags/vectorize/Recent content in Vectorize on BenzHubHugozh-TWMon, 07 Sep 2026 00:00:00 +0000https://benzhub.github.io/post/cloudflare/038-rag-implementation/Mon, 07 Sep 2026 00:00:00 +0000https://benzhub.github.io/post/cloudflare/038-rag-implementation/<blockquote> <p><strong>RAG(檢索增強生成,Retrieval-Augmented Generation)</strong> 是讓 LLM「有憑有據」回答問題的關鍵架構:在生成回答之前,先從你自己的知識庫<strong>檢索</strong>出最相關的資料,再交給 LLM <strong>生成</strong>答案。這一篇,我們把 <strong>Workers AI</strong> 的 embedding、<strong>Vectorize</strong> 的語意搜尋與 LLM 的生成串成一條龍,在 Cloudflare 上做出一個完整、可執行、不會亂編的知識庫問答系統。</p> </blockquote>https://benzhub.github.io/post/cloudflare/037-vectorize-intro/Sun, 06 Sep 2026 00:00:00 +0000https://benzhub.github.io/post/cloudflare/037-vectorize-intro/<blockquote> <p><strong>Cloudflare Vectorize</strong> 是一個與 Workers 深度整合的全球分散式<strong>向量資料庫(vector database)</strong>,專為儲存與查詢 <strong>embedding(向量嵌入)</strong> 而生。有了它,你就能在邊緣運算環境裡做<strong>語意搜尋</strong>——不是比對關鍵字,而是比對「意思」。這一篇我們從「什麼是向量、什麼是相似度」講起,教你用 <code>wrangler</code> 建立 index、設定 binding,並跑一遍 <code>insert</code>、<code>upsert</code>、<code>query</code>、<code>getByIds</code>、<code>deleteByIds</code>、metadata 過濾與 namespaces。</p> </blockquote>