weaviate

Tisser

Aperçu

Weavate est une base de données vectorielle open source native du cloud qui est robuste, rapide et évolutive.

Pour commencer rapidement, jetez un œil à l'une de ces pages:

• Tutoriel QuickStart pour voir Weavate en action
• Guide des contributeurs pour contribuer à ce projet

Pour plus de détails, lisez le résumé sur cette page ou consultez la documentation système.

---

Pourquoi aspirer?

Weavate utilise des modèles d'apprentissage automatique (ML) de pointe pour transformer vos données - texte, images et plus - en une base de données vectorielle consultable.

Voici quelques faits saillants.

Vitesse

Weavate est rapide. Le moteur de base peut effectuer une recherche de voisin de 10 nn la plus proche sur des millions d'objets en millisecondes. Voir Benchmarks.

Flexibilité

Weavate peut vectoriser vos données au moment de l'importation . Ou, si vous avez déjà vectorisé vos données, vous pouvez plutôt télécharger vos propres vecteurs .

Les modules vous donnent la flexibilité de régler les tirs de la parole pour vos besoins. Plus de deux douzaines de modules vous connectent aux services populaires et aux hubs modèles tels que Openai, Cohere, Voyageai et HuggingFace. Utilisez des modules personnalisés pour travailler avec vos propres modèles ou services tiers.

Réadaptation de la production

Weavate est construit avec la mise à l'échelle, la réplication et la sécurité à l'esprit afin que vous puissiez passer en douceur du prototypage rapide à la production à grande échelle .

Au-delà de la recherche

Weavate ne se contente pas d'alimenter les recherches de vecteurs rapides. Les autres superpuissances incluent la recommandation , le résumé et l'intégration avec les cadres de recherche neuronale .

Qui utilise Weavate?

• Ingénieurs logiciels

  • Weavate est un moteur de base de données ML-First
  • Modules prêts à l'emploi pour les recherches alimentées par l'IA, la classification automatique et l'intégration LLM
  • Support CRUD complet
  • Système distribué natif du cloud qui fonctionne bien sur Kubernetes
  • Échelles avec vos charges de travail

• Ingénieurs de données

  • Weavate est une base de données vectorielle rapide et flexible
  • Utilisez votre propre modèle ML ou des modèles tiers
  • Exécuter localement ou avec un service d'inférence

• Data scientifiques

  • Transfert sans couture des modèles d'apprentissage automatique aux ingénieurs et aux mlops
  • Déployer et maintenir vos modèles ML dans la production de manière fiable et efficace
  • Emballez facilement les modèles formés sur mesure

Que pouvez-vous construire avec Weavate?

Une base de données vectorielle Weavate peut rechercher du texte, des images ou une combinaison des deux. Fast Vector Search fournit une base pour les chatbots, les systèmes de recommandation, les résumés et les systèmes de classification.

Voici quelques exemples qui montrent comment Weavate s'intègre à d'autres outils d'IA et ML:

Utiliser la weavate avec des intérêts tiers

• Cohere (blogpost)
• Visage étreint
• Openai

Utiliser Weavate comme magasin de documents

• Docarray
• Haystack (blogpost)

Utiliser Weavate comme backend de mémoire

• Auto-GPT (blogpost)
• Langchain (blogpost)
• Llamaindex (blogpost)
• Plugin de récupération Openai - ChatGpt

Démos

Ces démos fonctionnent des applications qui mettent en évidence certaines des capacités de WeAviate. Leur code source est disponible sur GitHub.

• Verba, The Golden Ragtrever (Github)
• HealthSearch (Github)
• Génial en film (github)

Comment pouvez-vous vous connecter à WeAviate?

Weavate expose une API GraphQL et une API REST. À partir de V1.23, une nouvelle API GRPC offre un accès encore plus rapide à vos données.

WeAviate fournit des bibliothèques clients pour plusieurs langues populaires:

• Python
• JavaScript / TypeScript
• Aller
• Java

Il existe également des bibliothèques soutenues par la communauté pour des langues supplémentaires.

Où pouvez-vous en savoir plus?

Des cours gratuits et auto-rythmées dans Weavate Academy vous apprennent à utiliser Weavate. Le repo des tutoriels a du code par exemple des projets. Le repo des recettes a encore plus de code de projet pour vous aider à démarrer.

Le blog et le podcast Weavated publient régulièrement des histoires sur Weavate et l'IA.

Voici quelques articles populaires:

Blogs

• À quoi s'attendre de Weavate en 2023
• Pourquoi la recherche vectorielle est-elle si rapide?
• Cohere Modèles ML multilingues avec Weavate
• Vamana vs HNSW - Exploration des algorithmes Ann partie 1
• HNSW + PQ - Exploration des algorithmes Ann Part 2.1
• Le codeur de carreaux - Exploration des algorithmes Ann Part 2.2
• Comment fonctionnent GPT4.0 et d'autres modèles de grande langue
• Surveillance de la production de la production
• Le plugin de récupération de Chatgpt - Teavate comme un magasin de mémoire à long terme pour une IA générative
• Combinant Langchain et tirez
• Comment créer une application de recherche d'image avec Weavate
• Cohere Modèles ML multilingues avec Weavate
• Construire une IA multimodale en dactylographie
• Donner une mémoire à long terme Auto-GPT avec Weavate

Podcasts

• La magie neurale en Weavate
• Bertopique
• Framework de recherche neuronale de Jina AI

Autre lecture

• Weavate est un moteur de recherche open source propulsé par ML, vecteurs, graphiques et graphQL (ZDNET)
• WeAviate, une base de données ANN avec support CRUD (DB-Engines.com)
• Une recherche neuronale de moins de 50 ms avec Distilbert et Weavate (vers Datascience)
• Début avec Weavate Python Library (vers Datascience)

Rejoignez notre communauté!

Chez Weavate, nous aimons nous connecter avec notre communauté. Nous aimons aider les gens incroyables à construire des choses cool. Et, nous aimons parler avec vous de votre passion pour les bases de données vectorielles et de l'IA.

Veuillez contacter et rejoindre notre communauté:

• Forum communautaire
• Github
• Mou
• X (Twitter)

Pour vous tenir au courant des nouvelles versions, des nouvelles de Meetup, et plus encore, abonnez-vous à notre newsletter