全部文档 / 存储数据
向量索引
保存向量嵌入并查找最相近的向量，用于语义搜索、RAG 和 agent 记忆。
在控制台打开向量索引保存向量嵌入（模型从文本、图片或其他内容生成的一串数字）及其元数据，并在毫秒内回答「哪些已存向量离这个最近」。这是语义搜索、AI 回答检索（RAG）和 agent 长期记忆的基础组件。API 形状与 Cloudflare Vectorize 相同。
创建并绑定
在向量里按你所用嵌入模型的宽度创建索引（text-embedding-3-small 是 1536，-large 是 3072），选择度量方式（大多数模型用 cosine）。把它绑定到应用，或者在配置文件里声明，让 rr deploy 自动创建：
jsonc
"vectorize": [{ "binding": "DOCS", "index_name": "my-docs", "dimensions": 1536, "metric": "cosine" }]在代码里使用
js
// Make the vectors with env.AI, store them with their metadata, search by meaning
const [vec] = await env.AI.embed("text-embedding-3-small", chunk.text);
await env.DOCS.upsert([{ id: chunk.id, values: vec, metadata: { title: doc.title, url: doc.url } }]);
const [q] = await env.AI.embed("text-embedding-3-small", question);
const { matches } = await env.DOCS.query(q, { topK: 5, returnMetadata: "all" });
const context = matches.map((m) => m.metadata.title).join("\n");