Recherche Vectorielle

Recherche purement vectorielle dans l'espace d'embeddings. Retourne les documents les plus proches par similarite cosinus.

Parametres

Parametre	Type	Requis	Variable	Description
query	valeur dynamique	Oui	Oui	Texte a rechercher par similarite semantique dans les vecteurs.
limit	nombre	Non	Non	Nombre maximum de resultats a retourner. (Defaut: 10, min 1, max 100)
minScore	nombre	Non	Non	Score minimum de similarite (0 a 1). Les resultats en dessous sont exclus. (Defaut: 0.7, min 0, max 1)
entityTypeFilter	liste	Non	Non	Filtre les resultats par types d'entite.
embeddingModel	choix (text-embedding-3-small, text-embedding-3-large, text-embedding-ada-002)	Non	Non	Modele d'embedding a utiliser pour la vectorisation de la requete.
rerank	oui/non	Non	Non	Active le reranking des resultats pour ameliorer la pertinence. (Defaut: false)
dedupThreshold	nombre	Non	Non	Seuil de deduplication (0 a 1). Les resultats trop proches sont fusionnes. (min 0, max 1)
outputVariable	texte	Non	Non	Nom de la variable de sortie contenant les resultats vectoriels.

Les parametres marques Variable = Oui acceptent la syntaxe {{nomBloc.champ}}.

Sortie

Variable de sortie : vectorResults

// valeur directe (pas d'objet wrapper)

Exemple

Recherche vectorielle sur un concept.

Entree :

{"query": "gestion des risques operationnels"}

Sortie :

[{"id": "doc-1", "content": "...", "score": 0.91}]

Astuce

{{vectorResults}} est directement un tableau (pas d'objet wrapper). Plus rapide que la recherche hybride mais moins de rappel sur les mots-cles exacts.