weaviate

Укоренившись

Обзор

Weaviate-это облачная векторная база данных с открытым исходным кодом , которая является надежной, быстрой и масштабируемой.

Чтобы начать быстро, посмотрите на одну из этих страниц:

• QuickStart Tutorial, чтобы увидеть Weaviate в действии
• Руководство для автора, чтобы внести свой вклад в этот проект

Для получения более подробной информации прочитайте резюме на этой странице или посмотрите системную документацию.

---

Зачем утекать?

Weaviate использует современные модели машинного обучения (ML), чтобы превратить ваши данные-текст, изображения и многое другое-в базу данных векторного поиска.

Вот несколько основных моментов.

Скорость

Петиат быстр. Двигатель Core может запустить 10-нн ближайшего соседского поиска на миллионы объектов в миллисекундах. Смотрите тесты.

Гибкость

Weaviate может векторизировать ваши данные во время импорта . Или, если вы уже векторизовали свои данные, вы можете загрузить свои собственные векторы .

Модули дают вам гибкость, чтобы настроить Weaviate для ваших нужд. Более двух десятков модулей соединяют вас с популярными сервисами и модельными концентраторами, такими как OpenAI, Cohere, Voyageai и Huggingface. Используйте пользовательские модули для работы с собственными моделями или сторонними услугами.

Производственная готовность

Weaviate построен с учетом масштабирования, репликации и безопасности, так что вы можете плавно пройти от быстрого прототипирования до производства в масштабе .

За пределами поиска

Weaviate не просто питает молниеносные векторные поиски. Другие сверхдержавы включают рекомендацию , суммирование и интеграцию с рамками поиска нервного поиска .

Кто использует Weaviate?

• Инженеры -программисты

  • Weaviate-это механизм базы данных ML-то, что
  • Модули из ящика для поисков, автоматической классификации и интеграции LLM и интеграции LLM
  • Полная поддержка CRUD
  • Облачная, распределенная система, которая хорошо работает на Kubernetes
  • Масштаб с вашими рабочими нагрузками

• Инженеры данных

  • Weaviate - быстрая гибкая векторная база данных
  • Используйте свою собственную модель ML или сторонние модели
  • Запустить локально или с помощью службы вывода

• Ученые данных

  • Бесплатная передача моделей машинного обучения инженерам и MLOPS
  • Развернуть и поддерживать свои модели ML в производстве надежно и эффективно
  • Легко упаковать индивидуальные модели

Что вы можете построить с помощью Weaviate?

База данных векторной векторной данных может искать текст, изображения или комбинацию обоих. Fast Vector Search обеспечивает основу для чат -ботов, систем рекомендаций, итоговых систем и систем классификации.

Вот несколько примеров, которые показывают, как Weaviate интегрируется с другими инструментами искусственного интеллекта и ML:

Используйте Weaviate со сторонними встроениями

• Cohere (блог)
• Обнимающееся лицо
• Openai

Используйте Weaviate в качестве магазина документов

• Докаррей
• Haystack (блог)

Используйте Weaviate в качестве бэкэнда памяти

• Auto-GPT (блог)
• Langchain (блог)
• LmamainDex (блог)
• OpenAI - плагин поиска CHATGPT

Демо

Эти демонстрации являются рабочими приложениями, которые подчеркивают некоторые возможности Weaviate. Их исходный код доступен на GitHub.

• Verba, Золотой Ragtreiver (GitHub)
• HealthSearch (GitHub)
• Потрясающе-то, что (GitHub)

Как вы можете подключиться к Weaviate?

Weaviate выставляет API GraphQL и API REST. Начиная с V1.23, новый API GRPC обеспечивает еще более быстрый доступ к вашим данным.

Weaviate предоставляет клиентские библиотеки для нескольких популярных языков:

• Питон
• JavaScript/TypeScript
• Идти
• Ява

Есть также библиотеки, поддерживаемые сообществом, для дополнительных языков.

Где вы можете узнать больше?

Бесплатные, самостоятельные курсы в Академии Weaviate Научить вас, как использовать Weaviate. У учебных пособий Repo есть код, например, проекты. Рецепты репо имеют еще больше кода проекта, чтобы вы начали.

Блог и подкаст Weaviate регулярно публикуют истории о Weaviate и AI.

Вот несколько популярных постов:

Блоги

• Чего ожидать от Weaviate в 2023 году
• Почему векторный поиск так быстро?
• Cohere многоязычные модели ML с Weaviate
• Вамана против HNSW - Изучение алгоритмов ANN Часть 1
• HNSW+PQ - Изучение алгоритмов ANN Часть 2.1
• Tile Encoder - Изучение алгоритмов Ann, часть 2.2
• Как работают GPT4.0 и другие крупные языковые модели
• Мониторинг Weaviate в производстве
• Плагин поиска CHATGPT - Weaviate в качестве долговременного хранилища памяти для генеративного искусственного интеллекта
• Объединение Langchain и Weaviate
• Как построить приложение поиска изображения с помощью Weaviate
• Cohere многоязычные модели ML с Weaviate
• Создание мультимодального ИИ в типовой
• Давая автоматическую долговременную память с помощью Weaviate

Подкасты

• Нейронная магия в Weaviate
• Бертопик
• Рамка для нервного поиска Джины Ай

Другое чтение

• Weaviate-это поисковая система с открытым исходным кодом, работающая на ML, векторы, графики и GraphQL (zdnet)
• Weaviate, база данных ANN с поддержкой CRUD (db-engines.com)
• Нейронный поиск под 15 мс с дистильбертом и Weaviate (к DataScience)
• Начало работы с Weaviate Python Library (к DataScience)

Присоединяйтесь к нашему сообществу!

В Weaviate мы любим общаться с нашим сообществом. Мы любим помогать удивительным людям строить крутые вещи. И мы любим говорить с вами о вас страсти к векторным базам данных и ИИ.

Пожалуйста, обратитесь и присоединяйтесь к нашему сообществу:

• Сообщество Форум
• GitHub
• Пролечить
• X (Twitter)

Чтобы быть в курсе новых выпусков, новостей о встрече и многое другое, подписаться на нашу рассылку