Démarrage rapide

Obtenir une clé

Provisionnez une clé cdb_... depuis la console ConareDB. Les clés sont limitées à votre préfixe de namespace avec les permissions read/write, affichées une seule fois, et envoyées comme jeton Bearer :

export CONAREDB_API_KEY='cdb_...'

Écrire des lignes

Les namespaces sont créés à la première écriture — pas de schéma, pas de cérémonie. Chaque ligne est un nœud avec un id externe, des propriétés et un vecteur optionnel. La dimension du vecteur est fixée par la première écriture vectorisée et validée à chaque écriture suivante.

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 est un remplacement de ligne complet clé sur id — réécrivez le même id et l’ancienne ligne (et son vecteur) est remplacée, non fusionnée.

Rechercher

Une seule requête exécute jusqu’à trois branches classées — ANN vectoriel, mot-clé BM25 et chronologique — sur le même jeu de lignes filtré :

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}
}

Les branches renvoient des listes classées indépendantes afin que vous contrôliez la fusion (RRF ou la vôtre) côté client — la même architecture qu’utilise le plan mémoire de Conare lui-même.

Besoin de vecteurs ? POST /api/v1/embeddings sur l’API Embeddings renvoie des vecteurs de 1024 dimensions normalisés à l’unité, prêts à être stockés.

Ensuite : la référence complète de la recherche, les écritures et l’ingestion en masse, ou les namespaces et clés.

ConareDB Recherche

⌘I

Démarrer

Référence

Guides

Démarrage rapide