EmbedInDB

Embredin - KI in anhaltendes Gedächtnis ermächtigen

Embredin ist eine Open-Source-Vektor-Datenbank und eine effiziente Bibliothek, in der beliebte Datenbanken wie MySQL, PostgreSQL und MS SQL Server nahtlos in Vektordatenbanken ohne Anstrengung umwandelt werden.

Embredin ist eine ideale Lösung für KI -Anwendungen wie Verarbeitung natürlicher Sprache, Bilderkennung und Empfehlungssysteme, die eine schnelle Indexierung und Abruf anbieten. Die einfache API und die Abfragesprache sorgen für eine einfache Gebrauchs und nahtlose Integration.

Mindestanforderungen

Python 3.7 oder höher.

Installation

pip install embedin

Schneller Start

Speichereinbettungen im Speicher speichern

 from embedin import Embedin

client = Embedin ( collection_name = "test_collection" , texts = [ "This is a test" , "Hello world!" ])
result = client . query ( "These are tests" , top_k = 1 )  # Query the most similar text from the collection
print ( result )

Speichereinbettungen in SQLite

 from embedin import Embedin

url = 'sqlite:///test.db'
client = Embedin ( collection_name = "test_collection" , texts = [ "This is a test" , "Hello world!" ], url = url )
result = client . query ( "These are tests" , top_k = 1 )

Speichereinbettungen in PostgreSQL

Starten Sie den Postgresql Docker -Container

 cd docker
docker-compose up embedin-postgres

Beispiel

 import os

from embedin import Embedin

url = os . getenv ( 'EMBEDIN_POSGRES_URL' , "postgresql+psycopg2://embedin:embedin@localhost/embedin_db" )
client = Embedin ( collection_name = "test_collection" , texts = [ "This is a test" , "Hello world!" ], url = url )
result = client . query ( "These are tests" , top_k = 1 )

Speichereinbettungen in MySQL

Starten Sie MySQL Docker Container

 cd docker
docker-compose up embedin-mysql

Beispiel

 import os

from embedin import Embedin

url = os . getenv ( 'EMBEDIN_MYSQL_URL' , "mysql+pymysql://embedin:embedin@localhost/embedin_db" )
client = Embedin ( collection_name = "test_collection" , texts = [ "This is a test" , "Hello world!" ], url = url )
result = client . query ( "These are tests" , top_k = 1 )

Speichern Sie Einbettungsdings in SQL Server

Starten Sie den SQL Server -Docker -Container

 cd docker
docker-compose up embedin-mssql

Beispiel

 import os

from embedin import Embedin

url = os . getenv ( 'EMBEDIN_MSSQL_URL' , "mssql+pymssql://sa:StrongPassword123@localhost/tempdb" )
client = Embedin ( collection_name = "test_collection" , url = url )
client . add_data ( texts = [ "This is a test" ], meta_data = [{ "source" : "abc4" }])
result = client . query ( "These are tests" , top_k = 1 )

Weitere Referenzen

• API -Referenz

Beitragen

Bitte beziehen Sie sich auf die Mitwirkenden

Todo

• Unit -Test Fehler beim Faiss -Index (Segmentierungsfehler)