Redis无法创建向量索引求助：FT.CREATE报字段解析错误

我刚接触Redis，正在尝试实现向量搜索。目前已在Windows 10的WSL Ubuntu环境中搭建了带有Redisearch模块的Redis服务，使用以下Python代码操作时，执行FT.CREATE创建索引始终报错redis.exceptions.ResponseError: Could not parse field spec，即使在Redis CLI中执行也得到相同错误。

原代码：

import redis
import numpy as np

redis_client = redis.Redis(host="localhost", port=6379)

vectors = [
    ("vector1", np.array([1, 2, 3])),
    ("vector2", np.array([4, 5, 6])),
    ("vector3", np.array([7, 8, 9]))
]

for name, vector in vectors:
    vector_str = ",".join(map(str, vector))
    redis_client.execute_command('HSET', name, 'vector', vector_str)


redis_client.execute_command('FT.CREATE', 'vector_index', 'SCHEMA', 'vector', 'VECTOR', 'HNSW', '16', 'TYPE', 'FLOAT64', 'DIM', '3')

query_vector = np.array([2, 3, 4])
query = query_vector.tobytes


results = redis_client.execute_command('FT.SEARCH', query, 'SORTBY', 'score', 'LIMIT', 0, 3)

print("Search results:")
for result in results[1::2]:
    document_id = result[1]
    score = result[-1]
    print(f"Document ID: {document_id}, Score: {score}")

1. 修正FT.CREATE的向量字段语法 #

Redisearch中HNSW算法的参数需要用键值对包裹在括号内，原命令里直接写HNSW 16是错误的，正确格式为HNSW({M=16})，其中M是HNSW的层大小参数。

2. 匹配向量存储格式与索引定义 #

当前代码将向量存为逗号分隔的字符串，但Redisearch的VECTOR字段默认要求二进制格式，需二选一调整：

• 选项一：二进制存储（推荐）
  修改向量存储逻辑，将NumPy数组转为二进制字节流（确保类型与索引定义一致）：

  for name, vector in vectors:
      vector_float64 = vector.astype(np.float64)
      redis_client.execute_command('HSET', name, 'vector', vector_float64.tobytes())
  

  对应的索引创建命令（无需指定STORAGE_TYPE，默认BINARY）：

  redis_client.execute_command(
      'FT.CREATE', 'vector_index', 'SCHEMA',
      'vector', 'VECTOR', 'HNSW({M=16})',
      'TYPE', 'FLOAT64', 'DIM', '3'
  )
  

• 选项二：字符串存储
  若坚持用逗号分隔字符串，需在索引中指定STORAGE_TYPE TEXT：

  redis_client.execute_command(
      'FT.CREATE', 'vector_index', 'SCHEMA',
      'vector', 'VECTOR', 'HNSW({M=16})',
      'TYPE', 'FLOAT64', 'DIM', '3',
      'STORAGE_TYPE', 'TEXT'
  )
  

3. 修正向量查询的语法错误 #

原查询代码存在两处问题：

• query = query_vector.tobytes未调用方法，应改为query_vector.tobytes()
• FT.SEARCH需指定索引名、匹配范围（用*匹配所有文档），并通过KNN参数执行向量相似查询

修正后的查询代码：

query_vector = np.array([2, 3, 4], dtype=np.float64)  # 匹配索引的FLOAT64类型
query_bytes = query_vector.tobytes()

# FT.SEARCH格式：索引名 + 查询模式 + KNN参数 + 向量字段 + 查询向量 + 排序/限制
results = redis_client.execute_command(
    'FT.SEARCH', 'vector_index', '*',
    'KNN', 3, '@vector', query_bytes,
    'SORTBY', 'score', 'LIMIT', 0, 3
)

print("Search results:")
# 解析结果：第一个元素是总匹配数，之后是文档ID、字段键值对交替
for i in range(1, len(results), 2):
    doc_id = results[i].decode('utf-8')
    # 找到score字段的位置
    score_idx = results[i+1].index(b'score')
    score = results[i+1][score_idx+1].decode('utf-8')
    print(f"Document ID: {doc_id}, Score: {score}")

内容的提问来源于stack exchange，提问作者Mateus Gunsch