Index de recherche

Un index de recherche stocke des fragments de documents interrogeables par vos agents et workflows. Mistral héberge le stockage ; vous choisissez le modèle de représentation vectorielle et les champs utilisés pour la recherche et les filtres.

Utilisez Search Index pour fonder les réponses sur les documents de l'entreprise sans exploiter une base vectorielle. Ajoutez des documents, recherchez des passages par vecteurs ou mots-clés et filtrez sur des champs typés : produit, catégorie ou date de publication.

Search Toolkit fournit le client Python et les composants d'extraction, de découpage, d'embedding et de recherche. Search Index constitue le backend hébergé de ces pipelines ; le toolkit peut aussi utiliser d'autres backends.

1. Créer un index. Choisissez son nom, le modèle d'embedding et le schéma des documents.
2. Ajouter des documents. Découpez le contenu, calculez les embeddings et envoyez les fragments avec leurs champs.
3. Rechercher. Utilisez une recherche vectorielle, par mots-clés ou hybride, avec des filtres.
4. Utiliser les résultats. Fournissez les passages pertinents à un agent ou workflow comme contexte.

Les champs personnalisés des documents et fragments combinent recherche sémantique et filtrage structuré. La création et les modifications de schéma sont asynchrones : attendez que l'index soit prêt avant de l'utiliser.

• Créer et interroger un index : un exemple Python complet.
• Opérations de base : définir les champs, créer un index, ingérer et rechercher des documents, modifier le schéma et supprimer des données.
• Search Toolkit : construire des pipelines d'ingestion et de recherche.

Utilisez une clé API de l'espace de travail. La création nécessite l'autorisation create_search_indexes. Vérifiez l'espace de travail et vos droits si un index est invisible. Gardez les identifiants hors du contrôle de version.