affine

afín

Affine es una biblioteca de Python para proporcionar una interfaz uniforme y estructurada para varias bases de datos de vectores de respaldo y las bibliotecas vecinas más cercanas. Permite objetos simples tipo dataclass para describir colecciones junto con una sintaxis de consulta de alto nivel para realizar una búsqueda de vectores filtrados.

Para bases de datos de vectores, actualmente es compatible:

• qdrant
• tejido
• piña

Para el modo local, son compatibles con las siguientes bibliotecas vecinas más cercanas:

• Faiss
• enojarse
• pynndescente
• scikit-learn kdtree
• ingenuo/numpy

Nota: Este proyecto es muy similar a VectordB-anm, que parece no mantenerse ya no se mantiene.

Instalación

pip install affine-vectordb
# or `pip install "affine-vectordb[qdrant]"` for qdrant support
# `pip install "affine-vectordb[weaviate]"` for weaviate support
# `pip install "affine-vectordb[pinecone]"` for pinecone support 

Uso básico

 from affine import Collection , Vector , Filter , Query

# Define a collection
class MyCollection ( Collection ):
    vec : Vector [ 3 ] # declare a 3-dimensional vector

    # support for additional fields for filtering
    a : int
    b : str

db = LocalEngine ()

# Insert vectors
db . insert ( MyCollection ( vec = [ 0.1 , 0.0 , - 0.5 ], a = 1 , b = "foo" ))
db . insert ( MyCollection ( vec = [ 1.3 , 2.1 , 3.6 ], a = 2 , b = "bar" ))
db . insert ( MyCollection ( vec = [ - 0.1 , 0.2 , 0.3 ], a = 3 , b = "foo" ))

# Query vectors
result : list [ MyCollection ] = (
    db . query ( MyCollection )
    . filter ( MyCollection . b == "foo" )
    . similarity ([ 2.8 , 1.8 , - 4.5 ])
    . limit ( 1 )
)

Motores

Una noción fundamental de Affine son las clases Engine . Todas estas clases se ajustan a la misma API para la intercambio (con la excepción de algunas restricciones específicas del motor que se mencionan a continuación). Hay dos tipos generales de motores

1. LocalEngine : Esto hace una búsqueda de vecinos más cercanos en la máquina de ejecución y admite una variedad de bibliotecas para la investigación de vecinos más cercanos (estos se denominan backend del motor local).

2. Motores de base de datos vectoriales: estos son motores que se conectan a un servicio de base de datos vectorial, como Qdrant, Weaviate o Pinecone.

Bases de datos vectoriales

Las bases de datos vectoriales compatibles actualmente son:

Base de datos	Clase	Argumentos constructores	Notas
Qdrant	affine.engine.QdrantEngine	host: str para usar port: int Port para usar	-
Tejido	affine.engine.WeaviateEngine	host: str para usar port: int Port para usar	-
Piña	affine.engine.PineconeEngine	api_key: Union[str, None] Pinecone API Clave. Si no se proporciona, se leerá desde la variable de entorno Pinecone_api_Key. spec: Union[ServerlessSpec, PodSpec, None] el objeto Podspec o ServerlessSpec. Si no se proporciona, se creará un ServerlessSpec a partir de las variables de entorno Pinecone_Cloud y Pinecone_region.	El motor Pinecone tiene la restricción de que cada colección debe contener exactamente un atributo vectorial.

Bibliotecas vecinas más cercanas

La clase LocalEngine proporciona una interfaz para realizar la búsqueda de vecinos más cercanos en la máquina de ejecución, lo que respalda una variedad de bibliotecas para la investigación de vecinos más cercanos. Cuál es especificado por el argumento backend al constructor. Por ejemplo, para usar annoy :

 from affine . engine . local import LocalEngine , AnnoyBackend

db = LocalEngine ( backend = AnnoyBackend ( n_tress = 10 ))

Las opciones y la configuración para los diversos backends compatibles son las siguientes:

Biblioteca	Clase	Argumentos constructores	Notas
ingenuo/numpy	affine.engine.local.NumPyBackend	-	-
scikit-learn kdtree	affine.engine.local.KDTreeBackend	Argumentos de palabras clave que se transmiten directamente a sklearn.neighbors.KDTree	-
enojarse	affine.engine.local.AnnoyBackend	n_trees: int número de árboles para usar n_jobs: int predeterminado a -1	-
Faiss	affine.engine.local.FAISSBackend	index_factory_str: str	-
Pynndescente	affine.engine.local.PyNNDescentBackend	Argumentos de palabras clave que se transmiten directamente a pynndescent.NNDescent	-