redis ai resources

Recursos de IA

Um repositório com curadoria de receitas de código, demos, tutoriais e recursos para casos básicos e avançados de uso do REDIS no ecossistema da IA.

Demos | Receitas | Tutoriais | Integrações | Conteúdo | Benchmarks | Documentos

Demos

Nenhuma maneira mais rápida de começar do que mergulhar e brincar com uma demonstração.

Demonstração	Descrição
Redis Rag Workbench	Demoção interativa para construir um chatbot baseado em RAG em um PDF utilizado pelo usuário. Alterne diferentes configurações e configurações para melhorar o desempenho e a qualidade do chatbot. Utiliza Redisvl, Langchain, Ragas e muito mais.
Redis VSS - Demonstração simples de streamlit	Demonstração de streamlit de pesquisa vetorial Redis
Pesquisa Arxiv	Implementação completa da pilha de redis com reação
Pesquisa de produto	Pesquisa vetorial com Redis Stack e Redis Enterprise
Arxivchatguru	Demonstração de Rag sobre os documentos do ARXIV com Redis & Openai

Receitas

Precisa de iniciantes rápidos para começar sua jornada redis ai? Comece aqui.

Introdução à pesquisa Redis & Vector

Receita	Descrição
/redis-intro/00_redis_intro.ipynb	O lugar para começar se novo em redis
/vector-search/00_RESTISPY.IPYNB	Pesquisa vetorial com o cliente Redis Python
/vector-search/01_redisvl.ipynb	Pesquisa vetorial com a Biblioteca Vector Redis
/vector-search/02_hybrid_search.ipynb	Técnicas de pesquisa híbrida com redis (BM25 + Vector)
/vector-search/03_float16_support.ipynb	Mostra como converter um índice float32 para usar o float16

Geração Aumentada Recuperação (RAG)

A geração aumentada de recuperação (também conhecida como RAG) é uma técnica para aprimorar a capacidade de um LLM de responder às consultas do usuário. A parte de recuperação do RAG é suportada por um banco de dados vetorial, que pode retornar resultados semanticamente relevantes à consulta de um usuário, servindo como informações contextuais para aumentar os recursos generativos de um LLM.

Para começar com RAG, do zero ou usando uma estrutura popular como Llamaindex ou Langchain, vá com essas receitas:

Receita	Descrição
/Rag/01_redisvl.ipynb	Pano do zero com a Biblioteca Vector Redis
/Rag/02_langchain.ipynb	Rag usando Redis e Langchain
/Rag/03_llamaindex.ipynb	Rag usando Redis e Llamaindex
/Rag/04_advanced_redisvl.ipynb	Técnicas avançadas de pano
/Rag/05_nvidia_ai_rag_redis.ipynb	Rag usando Redis e Nvidia Nims
/Rag/06_ragas_evaluation.ipynb	Utilize a estrutura Ragas para avaliar o desempenho do trapo

Memória LLM

Os LLMs estão apátridas. Para manter o contexto em uma conversa, as sessões de bate -papo devem ser armazenadas e se ressentir do LLM. Redis gerencia o armazenamento e a recuperação das sessões de bate -papo para manter o contexto e a relevância conversacional.

Receita	Descrição
/llm-ession-manager/00_session_manager.ipynb	Gerente de sessão LLM com similaridade semântica
/llm-ession-manager/01_multiple_sessions.ipynb	Lidar com vários bate -papos simultâneos com uma instância

Cache semântico

Estima -se que 31% das consultas LLM são potencialmente redundantes (fonte). Redis permite que o cache semântico ajude a reduzir os custos do LLM rapidamente.

Receita	Descrição
/seMantic-cache/doc2cache_llama3_1.ipynb	Construa um cache semântico usando a estrutura DOC2CACHE e LLAMA3.1
/Semantic-cache/semantic_caching_gemini.ipynb	Construa um cache semântico com Redis e Google Gemini

Agentes

Receita	Descrição
/agents/00_langgraph_redis_agentic_rag.ipynb	Caderno para começar com o graph e agentes Lang
/agents/01_crewai_langgraph_redis.ipynb	Caderno para começar com o graph e agentes Lang

Visão computacional

Receita	Descrição
/computer-vision/00_facial_recognition_facenet.ipynb	Crie um sistema de reconhecimento facial usando o modelo de incorporação do FaceNet e o redisvl.

Sistemas de recomendação

Receita	Descrição
/Recommendation-systems/00_content_filtering.ipynb	Exemplo de filtragem de conteúdo de introdução com redisvl
/Recommendation-systems/01_Collaborative_filtering.ipynb	Exemplo de filtragem colaborativa de introdução com redisvl

Tutoriais

Precisa de um mergulho mais profundo em diferentes casos de uso e tópicos?

Tutorial	Descrição
Pano agentico	Um tutorial focado em agadic trapo com llamaindex e coere
Pano na vertexai	Um tutorial de trapo com Redis com vértice ai
Sistemas de recomendação com Nvidia Merlin & Redis	Três exemplos, cada um escalando em complexidade, mostrando o processo de construção de um Real em tempo real com Nvidia e Redis

Integrações

Redis se integra a muitos jogadores diferentes no ecossistema da AI. Aqui está uma lista com curadoria abaixo:

Integração	Descrição
Redisvl	Um cliente Python dedicado Lib for Redis como um vetor DB
AWS Bedrock	Implantação de genai lines, oferecendo modelos fundamentais como uma API unificada
Langchain Python	Cliente Python Popular Lib for Building LLM Aplicações alimentadas por Redis
Langchain JS	O popular cliente JS Lib for Building LLM Aplicações alimentadas por Redis
Llamaindex	Integração do Llamaindex para Redis como um banco de dados vetorial (anteriormente GPT-Index)
Litellm	Camada de proxy LLM popular para ajudar a gerenciar e otimizar o uso de vários modelos de fundação
Kernel semântico	Lib popular da MSFT para integrar LLMs com plugins
Relevante	Plataforma para marcar, pesquisar e analisar dados não estruturados mais rapidamente, construídos em redis
Docarray	Docarray Integration of Redis como um vectordb por Jina AI

Contente

• Pesquisa de similaridade vetorial: do básico à produção - postagem introdutória no blog para VSS e Redis como um VectordB.
• Melhorando a qualidade do trapo com ragas
• Pano de nível de nível com redisvl
• Banco de dados de vetores e modelos de idiomas grandes - conversas dadas no LLMS na produção Parte 1 por Sam Partee.
• Bancos de dados de vetores e palestra de pesquisa de IA-bancos de dados de vídeo "VECTOR e pesquisa de IA" fornecida pelo SAM Partee no SDSC 2023.
• Recomendações de produtos em tempo real-o design do RECSYS baseado em conteúdo com Redis e DocArray.
• Nvidia Recsys com Redis
• Lablab AI Redis Tech Página
• Armazenamento e consulta para incorporações com Redis
• Construindo aplicativos inteligentes com pesquisa de similaridade vetorial Redis
• Sinais de negociação em redisdays - vídeo "Usando a IA para revelar sinais comerciais enterrados em registros corporativos".

Benchmarks

• Resultados de benchmarking para bancos de dados vetoriais - Resultados de benchmarking para bancos de dados vetoriais, incluindo Redis e 7 outros players de banco de dados de vetores.
• Ann Benchmarks - Site padrão de benchmarks Ann. Somente usando a instância/cliente Redis OSS.

Documentos

• Redis Vector Library Docs
• Redis Vector Database QuickStart
• Redis Vector Simutity Docs - Literatura oficial de Redis para pesquisa de similaridade vetorial.
• Documos de pesquisa Redis-Py-Docns da Biblioteca de Clientes Redis-Py para Redisearch.
• Redis-Py General Docs-Documentação da Biblioteca de Clientes Redis-Py.
• Redis Stack - Redis Stack Documentation.
• CLIENTES REDIS - Lista de clientes Redis.