Skip to content

非公式本サイトは非公式の日本語ドキュメントであり、Cloudflare 公式サイトではありません。最新情報はdevelopers.cloudflare.comをご確認ください。

Cloudflare Vectorize

最終更新 Markdown で表示Agent セットアップ

Cloudflare の高性能なベクトルデータベース Vectorize で、フルスタックの AI アプリケーションを構築します。

Vectorize は、Cloudflare Workers でフルスタックの AI アプリケーションを構築できる、グローバル分散のベクトルデータベースです。Vectorize は、埋め込み(embeddings)— テキスト、画像、音声などの値やオブジェクトを、機械学習モデルやセマンティック検索アルゴリズムが扱えるようにした表現 — のクエリを、より速く、簡単に、低コストにします。

たとえば、機械学習モデルが生成した埋め込み(ベクトル)を保存すると、強力な検索、類似度、レコメンデーション、分類、異常検知の機能を、自前のデータに基づいて構築できます。Workers AI に組み込まれたモデルでも、OpenAI などのプラットフォームから持ち込んだモデルでも使えます。

返されるベクトルは、Cloudflare R2 に保存した画像、KV のドキュメント、D1 に保存したユーザープロファイルを参照できます。ベクトル検索の結果から具体的なオブジェクトまで、Workers プラットフォーム内で完結し、追加のインフラを立てる必要はありません。


機能

ベクトルデータベース

最初の Vectorize データベースの作成、ベクトル埋め込みのアップロード、Cloudflare Workers からのクエリ方法を学びます。

Workers AI によるベクトル埋め込み

Workers AI を使ってベクトル埋め込みを生成し、Vectorize で使う方法を学びます。

Vectorize と AI Search による検索

データを自動でインデックスして Vectorize に保存し、AI Search でコンテキストを踏まえた応答を生成する方法を学びます。


関連製品

Workers AI

サーバーレス GPU で動く機械学習モデルを、Cloudflare のグローバルネットワーク上で実行します。

R2 Storage

一般的なクラウドストレージに伴う高額な送信(egress)帯域料金なしで、大量の非構造化データを保存します。


その他のリソース

制限

Vectorize の制限と、その範囲内での使い方を学びます。

ユースケース

意欲的な AI アプリケーションを構築し、Cloudflare の グローバルネットワークにデプロイする方法を学びます。

ストレージの選択肢

Workers 上で構築できるストレージとデータベースの選択肢について 詳しく学びます。

Developer Discord

Discord で Workers コミュニティとつながり、質問したり、 #vectorize チャンネルで作っているものを共有したり、他の開発者と プラットフォームについて議論したりできます。

@CloudflareDev

Twitter で @CloudflareDev をフォローし、製品発表や Cloudflare Developer Platform の最新情報を確認できます。

役に立ちましたか?