redis ai resources

Recursos de IA

Un repositorio curado de recetas de código, demostraciones, tutoriales y recursos para casos de uso básicos y avanzados de Redis en el ecosistema de IA.

Demostraciones | Recetas | Tutoriales | Integraciones | Contenido | Puntos de referencia | Documento

Población

No hay una forma más rápida de comenzar que buceando y jugando con una demostración.

Manifestación	Descripción
Banco de trabajo de Redis Rag	Demo interactiva para construir un chatbot basado en trapo sobre un PDF con soporte de usuario. Alternar diferentes configuraciones y configuraciones para mejorar el rendimiento y la calidad del chatbot. Utiliza Redisvl, Langchain, Ragas y más.
Redis VSS - Demo de transmisión simple	Demo de transmisión de Redis Vector Search
Búsqueda arxiv	Implementación completa de la pila de Redis con React Fe
Búsqueda de productos	Búsqueda vectorial con Redis Stack y Redis Enterprise
Arxivchatguru	Demo de racionalización de trapo sobre documentos arxiv con Redis y OpenAi

Recetas

¿Necesita irratos rápidos para comenzar su viaje Redis AI? Empiece aquí.

Comenzando con Redis y Vector Search

Receta	Descripción
/Redis-intro/00_REDIS_INTRO.IPYNB	El lugar para comenzar si es nuevo en Redis
/vector-search/00_redispy.ipynb	Búsqueda vectorial con el cliente Redis Python
/vector-search/01_redisvl.ipynb	Búsqueda de vectores con Redis Vector Library
/vector-search/02_hybrid_search.ipynb	Técnicas de búsqueda híbrida con Redis (Vector BM25 +)
/vector-search/03_float16_support.ipynb	Muestra cómo convertir un índice Float32 para usar Float16

Recuperación de generación aumentada (trapo)

La generación aumentada de recuperación (también conocido como RAG) es una técnica para mejorar la capacidad de un LLM para responder a las consultas de los usuarios. La parte de recuperación de RAG es compatible con una base de datos vectorial, que puede devolver resultados semánticamente relevantes a la consulta de un usuario, sirviendo como información contextual para aumentar las capacidades generativas de un LLM.

Para comenzar con el trapo, ya sea desde cero o usando un marco popular como llameAndex o langchain, vaya con estas recetas:

Receta	Descripción
/Rag/01_redisvl.ipynb	Trapo desde cero con la biblioteca de Redis Vector
/Rag/02_langchain.ipynb	Trapo usando redis y langchain
/Rag/03_llamaindex.ipynb	Trapo usando Redis y Llamaindex
/Rag/04_advanced_redisvl.ipynb	Técnicas avanzadas de trapo
/Rag/05_nvidia_ai_rag_redis.ipynb	Trapo usando redis y nvidia nims
/Rag/06_ragas_evaluation.ipynb	Utilice el marco ragas para evaluar el rendimiento del trapo

Memoria LLM

Los LLM son apátranos. Para mantener el contexto dentro de una conversación, las sesiones de chat deben almacenarse y resentirse con el LLM. Redis administra el almacenamiento y la recuperación de las sesiones de chat para mantener el contexto y la relevancia de la conversación.

Receta	Descripción
/lllm-session-manager/00_session_manager.ipynb	Gerente de sesión de LLM con similitud semántica
/lllm-session-Manager/01_multiple_sessions.ipynb	Manejar múltiples chats simultáneos con una instancia

Caché semántico

Se estima que el 31% de las consultas LLM son potencialmente redundantes (fuente). Redis permite que el almacenamiento en caché semántico ayude a reducir rápidamente los costos de LLM.

Receta	Descripción
/semantic-cache/doc2cache_llama3_1.ipynb	Construya un caché semántico usando el marco Doc2Cache y LLAMA3.1
/semantic-cache/semantic_caching_gemini.ipynb	Construya un caché semántico con Redis y Google Gemini

Agentes

Receta	Descripción
/agents/00_langgraph_redis_agentic_rag.ipynb	Cuaderno para comenzar con Lang-Graph y agentes
/agents/01_crewai_langgraph_redis.ipynb	Cuaderno para comenzar con Lang-Graph y agentes

Visión por computadora

Receta	Descripción
/Computer-Vision/00_FACIAL_RECOGNITION_FACENET.IPYNB	Construya un sistema de reconocimiento facial utilizando el modelo de incrustación Facenet y redisvl.

Sistemas de recomendación

Receta	Descripción
/recommendation-systems/00_content_filtering.ipynb	Ejemplo de filtrado de contenido de introducción con redisvl
/Recommendation-Systems/01_Collaborative_Filtering.ipynb	Ejemplo de filtrado colaborativo de introducción con redisvl

Tutoriales

¿Necesita una inmersión más profunda a través de diferentes casos y temas de uso?

Tutorial	Descripción
Trapo de agente	Un tutorial centrado en el trapo de agente con llameindex y cohere
Trapo en Vertexai	Un tutorial de trapo con Redis con Vertex Ai
Sistemas de recomendación con Nvidia Merlin y Redis	Tres ejemplos, cada uno de los cada uno en complejidad, que muestra el proceso de construcción de un recsys en tiempo real con Nvidia y Redis

Integración

Redis se integra con muchos jugadores diferentes en el ecosistema de IA. Aquí hay una lista curada a continuación:

Integración	Descripción
Redisvl	Un cliente de Python dedicado Lib para Redis como DB vectorial
AWS Bedrock	Rimensiva de la implementación de Genai ofreciendo modelos fundamentales como una API unificada
Langchain Python	Popular Python Client Lib para Building LLM Aplicaciones impulsadas por Redis
Langchain js	Popular JS Client Lib para Building LLM Aplicaciones impulsadas por Redis
Llamado	Integración de Llamaindex para Redis como una base de datos vectorial (anteriormente GPT-Index)
Litellm	Popular LLM Proxy Layer para ayudar a administrar y optimizar el uso de múltiples modelos de base
Núcleo semántico	Lib Popular de MSFT para integrar LLM con complementos
Relevante	Plataforma para etiquetar, buscar y analizar datos no estructurados más rápido, basado en Redis
Maestro	Integración de Dargarray de Redis como vectordb por Jina AI

Contenido

• Búsqueda de similitud vectorial: desde los conceptos básicos hasta la producción: publicación de blog introductoria a VSS y Redis como VectordB.
• Mejora de la calidad de la rag con ragas
• Trapo de nivelado con redisvl
• Bases de datos vectoriales y modelos de idiomas grandes: habla dada en LLMS en la producción Parte 1 por SAM PARTEE.
• Bases de datos de vectores y charla de búsqueda con IA-Video "Bases de datos de vectores y búsqueda de IA" dada por SAM Partee en SDSC 2023.
• Recomendaciones de productos en tiempo real: diseño RECSYS basado en contenido con Redis y Dargarray.
• Nvidia recsys con redis
• LABLAB AI REDIS TECH PÁGINA
• Almacenamiento y consulta para incrustaciones con Redis
• Creación de aplicaciones inteligentes con búsqueda de similitud vectorial Redis
• Redisdays Señales comerciales - Video "Uso de AI para revelar señales comerciales enterradas en presentaciones corporativas".

Puntos de referencia

• Resultados de evaluación comparativa para bases de datos vectoriales: resultados de evaluación comparativa para bases de datos vectoriales, incluidos Redis y otros 7 reproductores de bases de datos vectoriales.
• Ann Benchmarks - Sitio estándar de puntos de referencia de ANN. Solo utilizando una única instancia/cliente Redis OSS.

Documento

• Redis Vector Library Docs
• Redis Vector Database QuickStart
• Redis Vector Simility Docs - Literatura oficial de Redis para la búsqueda de similitud vectorial.
• Redis-Py Search Docs-Redis-Py Client Library Docs para RedISearch.
• Redis-Py General Docs-Documentación de la Biblioteca de Clientes Redis-Py.
• Redis Stack - Documentación de Redis Stack.
• CLIENTES REDIS - Lista de clientes de Redis.