OVERVIEW
نمای کلی پایگاه برداری
Vector Store Overview
—کالکشن
—بردار ایندکسشده
1024ابعاد (BGE-M3)
Localموتور
این کنسول چه میکند؟
What is this console?
وکتور دیتابیس زیبادیس متنها را با مدلهای محلی BGE-M3 و MiniLM به بردار تبدیل میکند و جستجوی معنایی روی آنها انجام میدهد — پایه حافظه بلندمدت همه سرویسهای شبکه (RIS، مرکز هشدار، دستیار هوش مصنوعی).
شروع سریع
Quick Start
۱) وارد شوید ۲) در «ایندکس اسناد» متنها را وارد کنید ۳) در «جستجوی معنایی» با زبان طبیعی پرسش کنید. بدون اتصال به سرور، کنسول در حالت نمایشی با موتور مرورگر کار میکند.
COLLECTIONS
کالکشنها
Collections
| نام | شرح | بردارها | مدل | وضعیت |
|---|
ساخت کالکشن
Create Collection
SEMANTIC SEARCH
جستجوی معنایی
Semantic Search
پرسشی وارد کنید — نتایج بر اساس نزدیکی معنایی رتبهبندی میشوند.
INGEST
ایندکس اسناد
Index Documents
EMBEDDING LAB
آزمایشگاه امبدینگ
Embedding Lab
دو متن وارد کنید — شباهت معنایی آنها (کسینوس دو بردار) محاسبه میشود. برای درک اینکه موتور برداری «معنا» را چگونه میبیند.
DEVELOPERS
API برداری
Vector API
امبدینگ متن
Embed text
POST https://api.zibadis.ir/ai/embed
Authorization: Bearer <token>
{ "text": "متن شما" }
→ { "embedding": [0.0123, -0.0456, …], "dims": 1024 }
جستجوی معنایی
Semantic search
POST https://api.zibadis.ir/ai/semantic-search
Authorization: Bearer <token>
{ "query": "پرسش", "documents": ["سند ۱", "سند ۲"], "top_k": 5 }
→ { "results": [ { "document": "…", "score": 0.87 } ] }
SDK جاوااسکریپت
JavaScript SDK
<script src="https://zibadis.ir/_shared/js/zibadis-sdk.js"></script>
ZIBADIS.AI.embed('متن') // → بردار
ZIBADIS.AI.search('پرسش', docs, 5) // → نتایج رتبهبندیشده