← Přehled / ai-search / configuration / data-source

R2

Můžete připojit Cloudflare R2 jako zdroj dat pro vaši instanci AI Search. AI Search automaticky indexuje soubory uložené ve vašem bucketu.

Bucket R2 můžete připojit při vytváření nové instance prostřednictvím dashboard, REST API, nebo Wrangler. R2 je volitelný zdroj dat, který můžete přidat vedle vestavěné úložiště.

Pokud jste ještě nikdy nevytvořili instanci založenou na R2, doporučujeme použít dashboard nebo Wrangler CLI, které za vás vytvoří a zaregistrují servisní token API za vás automaticky. Pokud používáte REST API nebo vazbu Workers, budete si muset vytvořit servisní token API a předat token_id v požadavku na vytvoření. Viz Token API služby pro pokyny k nastavení.

Pro začátek konfigurace bucketu R2 obsahující vaše data. Soubory, které nejsou podporované nebo překračují limit velikosti, budou při indexování přeskočeny a zaznamenány jako chyby.

Které soubory se zaindexují, můžete řídit definováním pravidel pro zahrnutí a vyloučení cest k objektům. Díky tomu můžete omezit indexování na konkrétní složky nebo vyloučit soubory, které nechcete mít prohledatelné.

Chcete-li například indexovat pouze dokumentaci a vynechat koncepty:

• Zahrnout: /docs/**
• Vyloučit: /docs/drafts/**

Viz Filtrování cest pro syntaxi vzorů, chování filtrování a další příklady.

Podporované typy souborů a omezení velikosti najdete v Zdroj dat.

K objektům R2 můžete připojit vlastní metadata pro filtrování výsledků vyhledávání. AI Search čte metadata z hlaviček kompatibilních s S3 (x-amz-meta-*).

Než bude možné metadata extrahovat, musíte definice schématu v konfiguraci AI Search.

await env.MY_BUCKET.put("docs/document.pdf", fileContent, {
	customMetadata: {
		category: "documentation",
		version: "2.5",
		is_public: "true",
	},
});

import { S3Client, PutObjectCommand } from "@aws-sdk/client-s3";

const client = new S3Client({
	region: "auto",
	endpoint: `https://${accountId}.r2.cloudflarestorage.com`,
	credentials: {
		accessKeyId: R2_ACCESS_KEY_ID,
		secretAccessKey: R2_SECRET_ACCESS_KEY,
	},
});

await client.send(
	new PutObjectCommand({
		Bucket: "your-bucket",
		Key: "docs/document.pdf",
		Body: fileContent,
		Metadata: {
			category: "documentation",
			version: "2.5",
			is_public: "true",
		},
	}),
);

wrangler r2 object put your-bucket/docs/document.pdf \
  --file=./document.pdf \
  --header="x-amz-meta-category:documentation" \
  --header="x-amz-meta-version:2.5" \
  --header="x-amz-meta-is_public:true"

Když se během indexování načítá soubor z R2:

1. Všechny x-amz-meta-* hlavičky se čtou z objektu.
2. x-amz-meta- předpona se odstraní (například x-amz-meta-category se změní na category).
3. Názvy položek se porovnávají s vaším schématem (bez rozlišení velkých a malých písmen).
4. Hodnoty se převedou na nakonfigurovaný datový typ.
5. Neplatné hodnoty (například nečíselný řetězec u pole typu number typu) jsou tiše ignorovány.

Hodnoty metadat podporují znaky Unicode prostřednictvím kódování MIME-Word (RFC 2047). Většina nástrojů kompatibilních s S3 toto kódování zpracovává automaticky.