# Test the /api/query endpoint

### Create a validation job
POST http://127.0.0.1:8000/api/v1/sqls-validation
Content-Type: application/json
Accept: application/json

{
  "qa_content": "User question: TiDB 支持 vector search 吗？\nAnswer: 是的，TiDB 支持向量搜索（Vector Search）功能。让我详细为您解释 TiDB 的向量搜索功能：\n\n1. 功能概述：\nTiDB 的向量搜索功能允许用户在 TiDB 数据库中存储和查询向量数据，实现高效的相似性搜索[^1]。这项功能目前处于 beta 阶段，仅适用于 TiDB Serverless 集群[^2]。\n\n2. 工作原理：\nTiDB 向量搜索使用近似最近邻（ANN）搜索算法来加速 K-最近邻（KNN）查询[^3]。它通过创建和利用向量搜索索引来实现毫秒级的查询速度。目前，TiDB 支持 HNSW（Hierarchical Navigable Small World）算法作为向量搜索索引[^3]。\n\n3. 支持的向量类型：\nTiDB 引入了新的向量数据类型来支持向量搜索。它可以存储最多 16,000 维的向量，这足以满足大多数嵌入模型的需求[^4]。\n\n4. 使用方法：\n要使用 TiDB 进行向量搜索，您需要：\n   a. 创建一个包含向量数据类型列的表\n   b. 插入向量数据\n   c. 创建向量搜索索引\n   d. 执行向量相似性查询\n\n5. 集成与应用：\nTiDB 向量搜索可以与多种 AI 框架和嵌入模型集成，如 Langchain 和 LlamaIndex[^5]。这使得它可以应用于各种场景，如语义搜索、推荐系统等。\n\n6. 性能优化：\nTiDB 提供了多种方法来优化向量搜索性能，包括索引调优和查询优化[^6]。\n\n7. SQL 支持：\nTiDB 扩展了 MySQL 语法以支持向量搜索，引入了新的向量函数和操作符[^7]。这使得用户可以使用熟悉的 SQL 语句来执行向量搜索操作。\n\n总的来说，TiDB 的向量搜索功能为用户提供了一个强大的工具，可以在关系数据库中高效地进行向量相似性搜索，适用于各种 AI 和机器学习应用场景。\n\nExample SQL:\n\n以下是使用 TiDB 进行向量搜索的示例 SQL：\n\n```sql\n-- 创建包含向量数据的表\nCREATE TABLE vector_data (\n    id INT PRIMARY KEY,\n    description VARCHAR(255),\n    embedding VECTOR(128) -- 假设我们使用128维的向量\n);\n\n-- 插入向量数据\nINSERT INTO vector_data (id, description, embedding) VALUES \n(1, 'Sample 1', '[1.0, 2.0, 3.0, ..., 128.0]'),\n(2, 'Sample 2', '[2.0, 3.0, 4.0, ..., 129.0]');\n\n-- 创建向量搜索索引\nCREATE INDEX idx_embedding ON vector_data USING HNSW(embedding);\n\n-- 执行向量相似性查询\nSELECT id, description, VECTOR_DISTANCE(embedding, '[1.1, 2.1, 3.1, ..., 128.1]') AS distance\nFROM vector_data\nORDER BY distance\nLIMIT 5;\n```\n\n请注意，这些 SQL 示例是概念性的，实际使用时需要根据您的具体数据和需求进行调整。\n\n[^1]: [Vector Search Overview | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-overview)\n[^2]: [Get Started with Vector Search via SQL | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-get-started-using-sql)\n[^3]: [Vector Search Index | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-index)\n[^4]: [Vector Search Integration Overview | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-integration-overview)\n[^5]: [AI frameworks | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-integration-overview#ai-frameworks)\n[^6]: [Improve Vector Search Performance | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-improve-performance)\n[^7]: [Vector Functions and Operators | PingCAP Docs](https://docs.pingcap.com/tidbcloud/vector-search-functions-and-operators)"
}

### Get the validation result
GET http://127.0.0.1:8000/api/v1/sqls-validation/d00a1f7d-3ade-41a6-8dc8-a61a644defee
Content-Type: application/json
Accept: application/json