AI Search 说明文档

# Cloudflare AI Search 参考指南 关于实现 Cloudflare AI Search（原 AutoRAG，即 Cloudflare 的托管式语义搜索和 RAG 服务）的专家指南。 ## 概览 **AI Search** 是一个托管式 RAG（检索增强生成）管道，结合了： - 内容的自动语义索引 - 向量相似度搜索 - 内置 LLM 生成 **核心价值主张：** - **零向量管理** - 无需手动嵌入、索引或存储 - **自动索引** - 内容每 6 小时自动重新索引 - **内置生成** - 可选的基于检索上下文的 AI 响应生成 - **多源支持** - 从 R2 存储桶或网站爬取进行索引 **数据源选项：** - **R2 存储桶** - 索引来自 Cloudflare R2 的文件（支持 MD, TXT, HTML, PDF, DOC, CSV, JSON） - **网站** - 爬取并索引网站内容（需要 Cloudflare 托管的域名） **索引生命周期：** - 自动 6 小时刷新周期 - 提供手动“强制同步”（30 秒速率限制） - 不适用于实时更新 ## 快速入门 **1. 在仪表板中创建 AI Search 实例：** - 进入 Cloudflare 仪表板 → AI Search → 创建 - 选择数据源（R2 或网站） - 配置实例名称和设置 **2. 配置 Worker：** c // wrangler.jsonc { "ai": { "binding": "AI" } } **3. 在 Worker 中使用：** typescript export default { async fetch(request, env) { const answer = await env.AI.autorag("my-search-instance").aiSearch({ query: "How do I configure caching?", model: "@cf/meta/llama-3.3-70b-instruct-fp8-fast" }); return Response.json({ answer: answer.response }); } }; ## 何时使用 AI Search ### AI Search vs Vectorize | 因素 | AI Search | Vectorize | |--------|-----------|-----------| | **管理** | 完全托管 | 手动嵌入 + 索引 | | **适用场景** | 需要零运维 RAG 管道 | 需要自定义嵌入/控制 | | **索引** | 自动 (6小时周期) | 通过 API 手动 | | **生成** | 内置可选 | 自带 LLM | | **数据源** | R2 或网站 | 手动插入 | | **最佳用途** | 文档、支持、企业搜索 | 自定义 ML 管道、实时应用 | ### AI Search vs Direct Workers AI | 因素 | AI Search | Workers AI (直接调用) | |--------|-----------|---------------------| | **上下文** | 自动检索 | 手动构建上下文 | | **适用场景** | 需要 RAG (搜索 + 生成) | 简单生成任务 | | **索引** | 内置 | 不适用 | | **最佳用途**