ConareDB-Quickstart

Schlüssel besorgen

Stellen Sie einen sk-conare-...-Schlüssel aus der ConareDB-Konsole bereit. Schlüssel sind auf Ihr Namespace-Präfix mit read/write-Berechtigungen beschränkt, werden einmal angezeigt und als Bearer-Token gesendet:

export CONAREDB_API_KEY='sk-conare-...'

Zeilen schreiben

Namespaces werden beim ersten Schreibvorgang erstellt – kein Schema, keine Zeremonie. Jede Zeile ist ein Knoten mit einer externen id, Properties und einem optionalen Vektor. Die Vektordimension wird durch den ersten vektorierten Schreibvorgang festgelegt und bei jedem weiteren validiert.

curl -s https://db.conare.ai/v1/namespaces/acme-docs/query \
  -H "Authorization: Bearer $CONAREDB_API_KEY" \
  -d '{
    "request_type": "write",
    "query": {
      "queries": [{"Query": {"name": "w", "condition": null, "steps": [
        {"UpsertN": {"id": "chunk-123", "label": "chunk",
          "props": {"text": "Refund policy: 30 days, no questions.", "created_at_ms": 1720000000000, "project": "docs"},
          "vector": [0.0123, -0.0456]}}
      ]}}],
      "returns": ["w"]
    }
  }'

UpsertN ist ein vollständiger Zeilenersatz mit id als Schlüssel – schreiben Sie dieselbe id erneut, wird die alte Zeile (und ihr Vektor) ersetzt, nicht zusammengeführt.

Suchen

Eine Anfrage führt bis zu drei gerankte Zweige aus – Vektor-ANN, BM25-Keyword und chronologisch – über derselben gefilterten Zeilenmenge:

curl -s https://db.conare.ai/v1/namespaces/acme-docs/search \
  -H "Authorization: Bearer $CONAREDB_API_KEY" \
  -d '{
    "label": "chunk",
    "filter": ["project", "Eq", "docs"],
    "include_props": ["text"],
    "branches": {
      "vector":  {"embedding": [0.0119, -0.0442], "top_k": 10},
      "keyword": {"query": "refund policy", "top_k": 10}
    }
  }'

{
  "vector":  {"hits": [{"id": "chunk-123", "score": 0.98, "props": {"text": "..."}}], "server_us": 412},
  "keyword": {"hits": [{"id": "chunk-123", "score": 14.2, "props": {"text": "..."}}], "mode": "and", "server_us": 200}
}

Zweige liefern unabhängige gerankte Listen zurück, sodass Sie die Fusion (RRF oder Ihre eigene) clientseitig steuern – dieselbe Architektur, die auch die Memory-Plane von Conare nutzt.

Vektoren nötig? POST /api/v1/embeddings der Embeddings-API liefert einheitsnormierte 1024-dim-Vektoren. Verwenden Sie input_type: "document" für gespeicherte Zeilen und input_type: "query" für den Vektor-Suchzweig.

Weiter: die vollständige Such-Referenz, Schreibvorgänge & Bulk-Ingest oder Namespaces & Schlüssel.

Erste Schritte

Referenz

Anleitungen

ConareDB-Quickstart