使用 Vectorize（Cloudflare 强大的向量数据库）构建全栈 AI 应用。
Vectorize 是一个全球分布式向量数据库，使您能够使用 Cloudflare Workers 构建全栈 AI 驱动应用。Vectorize 使查询嵌入（embeddings）——即专为机器学习模型和语义搜索算法设计的数值或对象（如文本、图像、音频）的表示——变得更快、更简单、更实惠。
例如，通过存储机器学习模型生成的嵌入（向量），包括 Workers AI 内置模型或从 OpenAI 等平台引入的模型，您可以基于自己的数据构建具有强大搜索、相似性、推荐、分类和/或异常检测能力的应用。
返回的向量可以引用存储在 Cloudflare R2 中的图像、KV 中的文档和/或 D1 中的用户配置文件——使您能够在 Workers 平台内从向量搜索结果跳转到具体对象，而无需额外搭建基础设施。
了解如何创建第一个 Vectorize 数据库、上传向量嵌入，以及从 Cloudflare Workers 查询这些嵌入。
了解如何使用 Vectorize 和 Workers AI 生成向量嵌入。
了解如何自动索引数据并将其存储在 Vectorize 中，然后查询它以使用 AI Search 生成上下文感知的响应。
在 Cloudflare 全球网络上运行由无服务器 GPU 驱动的机器学习模型。
存储大量非结构化数据，无需支付典型云存储服务相关的高昂出口带宽费用。
限制
了解 Vectorize 限制以及如何在限制范围内工作。
用例
了解如何在 Cloudflare 全球网络上构建和部署雄心勃勃的 AI 应用。
存储选项
了解更多可在 Workers 上构建的存储和数据库选项。
开发者 Discord
在 Discord 上与 Workers 社区交流、提问，加入 #vectorize 频道展示您的作品，并与其他开发者讨论平台。
@CloudflareDev
关注 Twitter 上的 @CloudflareDev，了解产品公告和 Cloudflare Developer Platform 的最新动态。