arcmindvector

ARCMIND VECTOR DB

ArcMind Vector DB adalah database pencarian kesamaan vektor berkinerja tinggi, fleksibel, dan ergonomis untuk komputer internet. Ini dirancang untuk menjadi basis data pencarian kesamaan vektor umum yang dapat digunakan untuk berbagai aplikasi bertenaga AI, termasuk sistem rekomendasi, mesin pencari, pengambilan generasi augmented (RAG), dan memori jangka panjang agen AI otonom seperti Arcmind AI.

Arsitektur

Diagram Aliran Urutan

Prasyarat

• Instal Rust Toolchain Menggunakan Rustup
  Mengikuti https://www.rust-lang.org/tools/install
• Pasang audit kargo

 cargo install cargo-audit

• Instal DFX SDK
  Ikuti https://github.com/dfinity/sdk

Awal yang cepat

Jika Anda ingin menguji proyek Anda secara lokal, Anda dapat menggunakan perintah berikut:

 # Starts the replica, running in the background
dfx start --background

# Deploys controller and brain canisters to the local replica
# Setup the environment variable: CONTROLLER_PRINCIPAL using using > dfx identity get-principal

./scripts/provision.sh

Skrip penyediaan akan menggunakan tabung arcmindvectordb .

API

Lihat Candid untuk API lengkap.

Berinteraksi dengan tabung

Contoh skrip shell disediakan untuk berinteraksi dengan tabung di direktori interaksi. Konten embeddings sampel dan vektor embedding mereka disediakan di direktori embeddings.

Tambahkan vektor ke toko vektor

Buka dan Edit:

./interact/add_vector.sh

Coba tambahkan beberapa vektor dari berbagai topik ke VectorStore.

Cari Vektorstore

Kemudian cari vektor serupa dengan menggunakan salah satu vektor yang Anda tambahkan sebagai input. Ini harus mengembalikan vektor yang sama dengan vektor yang paling mirip dan vektor serupa lainnya dari topik yang sama. Lihat bagaimana hal itu dapat memahami makna semantik dari vektor dengan banyak dimensi.

Buka dan Edit:

./interact/search_vector.sh

Perhatikan bahwa model embedding yang sama harus digunakan untuk menambah dan mencari vektor. Dianjurkan agar Anda menggunakan model embedding yang sama dalam satu vektor untuk hasil yang konsisten.

Embeddings in / embeddings / dihasilkan menggunakan model openai-embedding-002 dengan embedding API-nya

Menyiapkan aksi gitub CI / CD

Dapatkan string menggunakan perintah di bawah ini kemudian masukkan ke dalam rahasia github. Catatan: Ganti default dengan nama identitas yang Anda butuhkan.

Dfx_identity

 awk 'NF {sub(/r/, ""); printf "%s\r\n",$0;}' ~/.config/dfx/identity/default/identity.pem

Dfx_wallets

 cat ~/.config/dfx/identity/default/wallets.json

Peta jalan

• Backend - Meneliti dan mengimplementasikan tabung primer sebagai toko vektor jangka panjang dengan metrik jarak tetangga terdekat, menanamkan API dan pengindeksan
• Backend - Integrate dengan ArcMind AI Autonomous Agent untuk memori jangka panjang
• DOC - Tambahkan dokumentasi untuk API VectorStore
• Backend - Model Pembelajaran Mesin Self -Hosted untuk Menghasilkan Teks (NLP), Gambar dan Audio Embeddings
• Backend - Bucket penyimpanan yang dapat diskalakan untuk data vektor skala besar di luar batas penyimpanan tabung

Lisensi

Lihat file lisensi untuk hak dan batasan lisensi (MIT).

Berkontribusi

Lihat Kontribusi.MD untuk detail tentang cara berkontribusi pada proyek ini.

Penulis

Kode & Arsitektur: Henry Chan, [email protected], Twitter: @kinwo

Referensi

• Komputer internet
• Cloudflare - Apa itu basis data vektor?
• LAP
• Pencarian kesamaan vektor open-source untuk postgres
• Library Spotify Intress - Perkiraan Tetangga terdekat di C ++/Python
• Apa itu Pencarian Kesamaan
• Pencarian semantik: mengukur makna dari jaccard ke Bert
• Perpustakaan Kusut Pohon Kusat Kinerja Tinggi, Fleksibel, dan Ergonomis
• Pohon kd
• Kursus Depplearing.ai - Membangun Aplikasi dengan Database Vektor