article
README
🚀 Vectorize 在 VS Code 中的配置与使用指南
本指南将详细介绍如何在 VS Code 中配置和使用 Vectorize,帮助你快速上手并高效使用该工具。
🚀 快速开始
✨ 主要特性
- 支持一键安装和手动安装两种方式,方便不同需求的用户。
- 可在多个平台(Claude/Windsurf/Cursor/Cline)上进行配置。
- 提供多种工具功能,如文档检索、多语言处理和文档处理等。
📦 安装指南
使用一键安装按钮
在本节顶部有一对“一键安装”按钮,点击即可快速完成安装。
手动安装
将以下 JSON 代码添加到 VS Code 的用户设置(JSON)文件中。可以通过按 Ctrl + Shift + P 并输入“首选项:打开用户设置 (JSON)”来实现。
{
"mcp": {
"inputs": [
{
"type": "promptString",
"id": "org_id",
"description": "Vectorize 组织 ID"
},
{
"type": "promptString",
"id": "token",
"description": "Vectorize Token",
"password": true
},
{
"type": "promptString",
"id": "pipeline_id",
"description": "Vectorize 管道 ID"
}
],
"servers": {
"vectorize": {
"command": "npx",
"args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
"env": {
"VECTORIZE_ORG_ID": "${input:org_id}",
"VECTORIZE_TOKEN": "${input:token}",
"VECTORIZE_PIPELINE_ID": "${input:pipeline_id}"
}
}
}
}
}
工作区配置(可选)
在工作区中创建一个名为 .vscode/mcp.json 的文件,与其他用户共享配置:
{
"inputs": [
{
"type": "promptString",
"id": "org_id",
"description": "Vectorize 组织 ID"
},
{
"type": "promptString",
"id": "token",
"description": "Vectorize Token",
"password": true
},
{
"type": "promptString",
"id": "pipeline_id",
"description": "Vectorize 管道 ID"
}
],
"servers": {
"vectorize": {
"command": "npx",
"args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
"env": {
"VECTORIZE_ORG_ID": "${input:org_id}",
"VECTORIZE_TOKEN": "${input:token}",
"VECTORIZE_PIPELINE_ID": "${input:pipeline_id}"
}
}
}
}
📚 详细文档
配置说明
在 Claude/Windsurf/Cursor/Cline 上配置:
{
"mcpServers": {
"vectorize": {
"command": "npx",
"args": ["-y", "@vectorize-io/vectorize-mcp-server@latest"],
"env": {
"VECTORIZE_ORG_ID": "your-org-id",
"VECTORIZE_TOKEN": "your-token",
"VECTORIZE_PIPELINE_ID": "your-pipeline-id"
}
}
}
}
💻 使用示例
基础用法
检索文档
执行向量搜索并检索文档(参考官方 API):
{
"name": "retrieve",
"arguments": {
"question": "公司的财务状况",
"k": 5
}
}
高级用法
多语言处理
使用以下命令进行多语言文本处理(参考官方 API):
npx vectorize translate --source-lang zh --target-lang en "你好,世界!"
# 输出:Hello, world!
npx vectorize detect-language "Bonjour, le monde!"
# 输出:法语
npx vectorize sentence-similarity \
--text1 "我今天天气不错。" \
--text2 "今天阳光明媚。"
# 输出:相似度分数
文档处理工具
使用以下命令对文档进行处理(参考官方 API):
npx vectorize split-document --input-file ./example.pdf
# 将 PDF 文件分割成多个文本块
npx vectorize extract-entities --text "在 2023 年的全球峰会上,来自 50 多个国家的领导人齐聚一堂。"
# 提取实体信息:地点、人名、组织等
🔧 技术细节
开发与发布
安装依赖
运行以下命令安装开发所需的依赖项:
npm install @vectorize/core @vectorize/mcp-server
运行示例
在项目根目录下创建一个 package.json 文件,内容如下:
{
"name": "vectorize-app",
"version": "1.0.0",
"scripts": {
"start": "node index.js"
}
}
然后运行以下命令启动应用:
npm run start
发布版本
按照以下步骤进行发布:
- 更新
package.json中的版本号 - 打包构建:
npm pack - 发布到指定仓库或分发平台
📄 许可证
文档未提及许可证相关信息,暂不展示。
其他注意事项
⚠️ 重要提示
- 确保安装 Node.js 和 npm 前置环境
- 配置文件中的占位符需要替换为实际值
- 详细日志和错误信息请参考官方文档
微信扫一扫