博客 / 詳情

返回

讓 Cursor AI 助手秒懂向量數據庫 —— Cursor seekdb 擴展插件使用指南

在 AI 輔助編程時代，開發者越來越依賴智能工具來提升編碼效率。然而，當你在 Cursor 中詢問 seekdb 相關問題時，AI 可能無法給出準確的回答——因為它可能還不夠了解 seekdb 這款剛發佈不久的 AI 原生搜索數據庫。

本文將為大家介紹如何通過 seekdb Cursor Extension，讓 Cursor AI 助手擁有 seekdb 專業知識，從而在大家基於 seekdb 進行 AI 應用開發的過程中獲得精準的技術指導。

什麼是 seekdb？

seekdb 是由 OceanBase 推出的一款 AI 原生搜索數據庫。它在單一引擎中統一了關係型數據、向量、文本、JSON 和 GIS 等多種數據模型，支持混合搜索和數據庫內的 AI 工作流。

seekdb 的典型應用場景包括：

  • RAG 與知識檢索：為大語言模型引入實時可信的外部知識，提升回答質量
  • AI 輔助編程：為代碼倉庫構建向量和全文索引，實現基於語義的代碼搜索
  • 語義搜索引擎：捕捉用户搜索意圖，實現跨模態精準檢索
  • 智能體（Agent）應用：為 AI Agent 提供記憶、規劃、感知和推理的統一基礎

什麼是 seekdb Cursor Extension？

seekdb Cursor Extension 是一款 Cursor 擴展，它通過在 .cursor/rules 目錄下添加規則，使 Cursor AI 助手能夠檢索 seekdb 官方文檔，從而理解 seekdb 數據庫知識，使其能夠：

  • ✅ 理解 seekdb 數據庫概念：向量搜索、混合搜索、AI 函數等
  • ✅ 提供準確的代碼建議：基於官方文檔生成符合最佳實踐的代碼
  • ✅ 回答 seekdb 相關問題：直接在編輯器中獲取技術支持
  • ✅ 加速開發流程：減少查閲文檔的時間，專注於業務邏輯

核心特性

  • 🚀 一鍵安裝：通過 Cursor 擴展市場或命令面板快速安裝
  • 📚 完整文檔：檢索 seekdb 官方文檔知識庫，涵蓋向量搜索、混合搜索、AI 函數等全面技術文檔
  • 🌐 雙模式支持：優先從 GitHub 獲取最新文檔，本地文檔作為備份

快速開始

第一步：安裝擴展

  1. 在 Cursor 中打開擴展市場（Ctrl+Shift+X 或 Cmd+Shift+X）
  2. 搜索 "seekdb"
  3. 點擊 Install 安裝擴展

第二步：添加 seekdb 文檔

  1. 使用 Cursor 打開一個項目目錄（文檔將添加到該目錄下）
  2. 打開命令面板：
    • Windows/Linux: 按 Ctrl+Shift+P
    • macOS: 按 Cmd+Shift+P
  3. 輸入並選擇命令：
    • 輸入 "seekdb" 或 "Add seekdb Docs"
    • 選擇 Add seekdb Docs 命令
  4. 文檔將自動添加：
    • .cursor/rules/seekdb-docs 目錄（官方文檔）
    • .cursor/rules/seekdb.mdc 文件（規則文件）
  5. 重新加載窗口使規則生效

安裝完成！現在你可以直接向 Cursor AI 助手詢問任何 seekdb 相關問題了。

實際效果演示

讓我們通過一個實際示例，看看 seekdb Cursor Extension 如何幫助你進行開發。

示例：使用 AI 助手創建一個 seekdb 混合搜索應用

安裝擴展並添加文檔後，在 Cursor 中開始一個新對話，輸入以下問題：

例如：我想用 Python 創建一個簡單的 seekdb 應用，實現文檔的混合搜索功能，請幫我寫代碼。

Cursor AI 助手此時就會給出準確的回答：

"""
seekdb 混合搜索快速入門示例

這是一個最簡化的混合搜索示例，幫助你快速上手。
"""

import pyseekdb

# 1. 創建客户端（嵌入式模式，無需部署數據庫）
client = pyseekdb.Client()

# 2. 創建集合
collection = client.get_or_create_collection(name="my_docs")

# 3. 添加文檔
documents = [
    "機器學習是人工智能的核心技術",
    "Python 是最流行的機器學習編程語言",
    "深度學習需要大量的訓練數據",
    "自然語言處理讓計算機理解人類語言",
    "向量數據庫用於存儲和檢索向量數據",
]

metadatas = [
    {"category": "AI", "year": 2024},
    {"category": "Programming", "year": 2024},
    {"category": "AI", "year": 2023},
    {"category": "AI", "year": 2024},
    {"category": "Database", "year": 2024},
]

ids = [f"doc_{i}"for i in range(len(documents))]

collection.add(ids=ids, documents=documents, metadatas=metadatas)
print(f"✅ 已添加 {len(documents)} 個文檔")

# 4. 執行混合搜索
# 結合全文搜索（包含"機器學習"）和向量語義搜索（查找與"AI技術"相似的內容）
results = collection.hybrid_search(
    query={
        "where_document": {"$contains": "機器學習"},  # 全文搜索：包含關鍵詞
        "n_results": 10,
    },
    knn={
        "query_texts": ["AI技術"],  # 向量搜索：語義相似性
        "n_results": 10,
    },
    rank={"rrf": {}},  # 使用 RRF 算法融合結果
    n_results=3,
    include=["documents", "metadatas"],
)

# 5. 打印結果
print("\n🔍 混合搜索結果:")
for i, (doc_id, doc, meta) in enumerate(
    zip(results["ids"][0], results["documents"][0], results["metadatas"][0]), 1
):
    print(f"  [{i}] {doc}")
    print(f"      元數據: {meta}\n")

# 6. 清理（可選）
# client.delete_collection("my_docs")

運行示例

  1. 安裝 pyseekdb
pip install pyseekdb
  1. 運行代碼
python quick_start_hybrid_search.py
  1. 查看結果

混合搜索結合了關鍵詞匹配（包含 "機器學習" 的文檔）和語義搜索（與 "AI 技術" 語義相近的文檔），通過 RRF（Reciprocal Rank Fusion）算法融合兩路檢索結果，返回最相關的文檔。RRF 的具體含義詳見這篇基礎概念文章《淺入瞭解混合搜索》。

特別説明：seekdb 的嵌入式模式暫時只支持 Linux 服務器，如果是在 Mac 或者 Windows 本地測試，需要把 Python 代碼裏的 client = pyseekdb.Client() 改成服務器模式的連接地址（推薦在 Mac 或者 Windows 上使用 seekdb 桌面版）。

client = pyseekdb.Client(
    host="127.0.0.1",      # Server host
    port=2881,              # Server port (default: 2881)
    database="test",        # Database name
    user="root",            # Username (default: "root")
    password=""             # Password (can be retrieved from SEEKDB_PASSWORD environment variable)
)

更多使用場景

安裝 seekdb Cursor Extension 後，你可以向 AI 助手詢問各種 seekdb 相關問題：

基礎查詢

  • 如何開始使用 seekdb？
  • seekdb 支持哪些部署模式？

技術問題

  • 如何在 seekdb 中創建向量索引？
  • seekdb 的 AI 函數有哪些？如何使用 AI_EMBED 函數？

代碼示例

  • 展示一個使用 seekdb SQL 實現向量相似度搜索的示例。
  • 如何將 seekdb 與 LangChain 集成？

集成相關

  • seekdb 如何配置 OpenAI 模型進行向量嵌入？

工作原理

seekdb Cursor Extension 的工作原理非常簡單：

  1. 規則文件注入：擴展將 seekdb 官方文檔和 .mdc 規則文件添加到 .cursor/rules 目錄
  2. AI 上下文增強：Cursor 會自動讀取 .cursor/rules 目錄中的內容，作為 AI 助手的上下文知識
  3. 智能檢索：當你詢問 seekdb 相關問題時，AI 助手會基於這些文檔提供準確的回答

移除文檔

如果你不再需要 seekdb 文檔，可以輕鬆移除：

  1. 打開命令面板（Ctrl+Shift+P 或 Cmd+Shift+P）
  2. 輸入 "Remove seekdb Docs"
  3. 選擇該命令執行

文檔將從 .cursor/rules 目錄中移除。

總結

通過 seekdb Cursor Extension，你可以在使用 Cursor 進行開發時，隨時獲取 seekdb 的官方文檔支持。無論是學習 seekdb 的新功能，還是解決開發中遇到的技術問題，AI 助手都能基於最新的官方文檔提供準確的指導~

AI
user avatar
0 位用戶收藏了這個故事！

發佈 評論

Some HTML is okay.