redis ai resources
1.0.0
デモ|レシピ|チュートリアル|統合|コンテンツ|ベンチマーク|ドキュメント
デモで飛び込んだり遊んだりすることよりも速い方法はありません。
| デモ | 説明 |
|---|---|
| Redis Rag Workbench | ユーザーが使用したPDFを介してRAGベースのチャットボットを構築するインタラクティブなデモ。さまざまな設定と構成を切り替えて、チャットボットのパフォーマンスと品質を向上させます。 Redisvl、Langchain、Ragasなどを利用します。 |
| Redis vss -SimpleStreamlit Demo | Redis Vector検索の流れのデモ |
| arxiv検索 | Redisの完全なスタック実装をreact fe |
| 製品検索 | Redis StackおよびRedis Enterpriseを使用したベクトル検索 |
| arxivchatguru | Redis＆Openaiを使用したArxivドキュメントを介したRagの河川照明デモ |
Redis AIの旅を始めるためにクイックスタートが必要ですか？ここから始めます。
| レシピ | 説明 |
|---|---|
| /redis-intro/00_redis_intro.ipynb | Redisの真新しい場合は開始する場所 |
| /Vector-search/00_redispy.ipynb | Redis Pythonクライアントによるベクトル検索 |
| /vector-search/01_redisvl.ipynb | Redis Vectorライブラリを使用したベクトル検索 |
| /vector-search/02_hybrid_search.ipynb | Redisを使用したハイブリッド検索技術（BM25 +ベクトル） |
| /vector-search/03_float16_support.ipynb | float32インデックスを変換してfloat16を使用する方法を示します |
検索拡張生成（別名RAG）は、LLMがユーザークエリに応答する能力を高める手法です。 RAGの検索部分は、ベクトルデータベースによってサポートされています。ベクターデータベースは、ユーザーのクエリに意味的に関連する結果を返すことができ、LLMの生成機能を強化するためのコンテキスト情報として機能します。
ゼロから、またはLlamaindexやLangchainなどの人気のあるフレームワークを使用して、Ragを開始するには、これらのレシピを使用してください。
| レシピ | 説明 |
|---|---|
| /rag/01_redisvl.ipynb | Redis Vector Libraryを使用してゼロからぼろきれ |
| /rag/02_langchain.ipynb | RedisとLangchainを使用したぼろきれ |
| /rag/03_llamaindex.ipynb | RedisとLlamaindexを使用したRAG |
| /rag/04_advanced_redisvl.ipynb | 高度なRAGテクニック |
| /rag/05_nvidia_ai_rag_redis.ipynb | RedisとNvidia nimsを使用したぼろきれ |
| /rag/06_ragas_evaluation.ipynb | RAGASフレームワークを利用して、RAGパフォーマンスを評価します |
LLMSは無国籍です。会話チャットセッション内でコンテキストを維持するには、保存してLLMにresする必要があります。 Redisは、コンテキストと会話の関連性を維持するために、チャットセッションのストレージと検索を管理します。
| レシピ | 説明 |
|---|---|
| /llm-session-manager/00_session_manager.ipynb | セマンティックな類似性を持つLLMセッションマネージャー |
| /llm-session-manager/01_multiple_sessions.ipynb | 1つのインスタンスで複数の同時チャットを処理します |
LLMクエリの推定31％は潜在的に冗長です（ソース）。 Redisにより、セマンティックキャッシングがLLMコストを迅速に削減できるようにします。
| レシピ | 説明 |
|---|---|
| /semantic-cache/doc2cache_llama3_1.ipynb | doc2cacheフレームワークとllama3.1を使用してセマンティックキャッシュを構築します |
| /semantic-cache/semantic_caching_gemini.ipynb | RedisとGoogle Geminiでセマンティックキャッシュを構築します |
| レシピ | 説明 |
|---|---|
| /agents/00_langgraph_redis_agentic_rag.ipynb | ランググラフとエージェントを始めるためのノートブック |
| /agents/01_crewai_langgraph_redis.ipynb | ランググラフとエージェントを始めるためのノートブック |
| レシピ | 説明 |
|---|---|
| /computer-vision/00_facial_recognition_facenet.ipynb | Facenet Embedding ModelとRedisVLを使用して、顔認識システムを構築します。 |
| レシピ | 説明 |
|---|---|
| /remomendation-systems/00_content_filtering.ipynb | redisvlを使用したイントロコンテンツフィルタリングの例 |
| /Recommendation-systems/01_collaborative_filtering.ipynb | RedisVLを使用したイントロコラボレーションフィルタリングの例 |
さまざまなユースケースとトピックをより深く掘り下げる必要がありますか？
| チュートリアル | 説明 |
|---|---|
| エージェントラグ | LlamaindexとCohereを使用したエージェントラグに焦点を当てたチュートリアル |
| Vertexaiのぼろきれ | 頂点AIを備えたRedisを特徴とするぼろきれのチュートリアル |
| NVIDIA MERLIN＆REDISを備えた推奨システム | それぞれが複雑さでエスカレートし、nvidiaとredisでリアルタイムのrecysを構築するプロセスを紹介する3つの例 |
Redisは、AIエコシステムの多くの異なるプレーヤーと統合します。以下にキュレーションされたリストを示します。
| 統合 | 説明 |
|---|---|
| redisvl | ベクターDBとしてのRedisの専用のPythonクライアントライブ |
| aws岩盤 | 基礎モデルを統一されたAPIとして提供することにより、Genaiの展開を合理化します |
| Langchain Python | Redisを搭載したLLMアプリケーションを構築するための人気のPythonクライアントLIB |
| Langchain JS | Redisを搭載したLLMアプリケーションを構築するための人気のJSクライアントLIB |
| llamaindex | ベクターデータベースとしてのRedisのLlamainDex統合（以前はGPT-Index） |
| litellm | 複数の基礎モデルの使用を管理および合理化するのに役立つ人気のあるLLMプロキシレイヤー |
| セマンティックカーネル | LLMをプラグインと統合するためのMSFTによる人気のあるLIB |
| revanceai | 非構造化されたデータをより速くタグ付け、検索、分析するプラットフォーム、Redis上に構築された |
| Docarray | jina aiによるvectordbとしてのRedisのDocarray統合 |
