evadb

AI驱动应用的数据库系统

关注Evadb

EVADB使软件开发人员可以用几行代码构建AI应用程序。它功能强大的SQL API简化了结构化和非结构化数据的AI应用程序开发。 EVADB的好处包括：

？易于将EVADB查询引擎与您的数据源连接起来，例如PostgreSQL或S3 Buckets，并构建具有SQL查询的AI驱动应用程序。

结构化数据源	非结构化数据源	应用程序数据源
Postgresql sqlite mysql Mariadb Clickhouse 雪花	本地文件系统 AWS S3桶	github

有关支持数据源的更多详细信息，请参见此处。

？通过拥抱脸，OpenAI，Yolo，稳定扩散等，通过预先训练的AI模型查询您的连接数据。

拥抱脸	Openai	YOLO
音频分类 自动语音识别 文本分类 摘要 text2Text世代 文字生成 图像分类 图像分割 图像到文本 对象检测 深度估计	GPT-4 GPT-4-0314 GPT-4-32K GPT-4-32K-0314 GPT-3.5-Turbo GPT-3.5-Turbo-0301	yolov8n.pt yolov8s.pt yolov8m.pt yolov8l.pt yolov8x.pt

有关支持的AI模型的更多详细信息可在此处提供

？为回归，分类和时间序列预测创建或微调AI模型。

回归	分类	时间序列预测
路德维希 Sklearn xgboost	路德维希 XBoost	Statsforecast 神经预报

有关支持的汽车框架的更多详细信息，请参见此处。

？更快的AI查询得益于以AI为中心的查询优化，例如缓存，批处理和并行处理。

• 功能结果缓存有助于重复使用昂贵的AI功能调用的结果。
• LLM批处理减少了代币的使用和LLM电话上花费的美元。
• 并行查询处理可以通过更好地利用CPU和/或GPU来节省运行AI模型的金钱和时间。
• 查询谓词重新排序和谓词按下会加速在结构化和非结构化数据上的查询。

有关EVADB中优化的更多详细信息，请参见此处。

嘿！如果您对我们将AI带入数据库系统的愿景感到兴奋，请显示一些❤️

• 主演我们的github？仓库
• ？加入我们的懈怠社区
• ？在Twitter上关注我们
• 在媒介上跟随我们

我们很想了解您的AI应用程序。请填写此1分钟的表格：https：//v0fbgcue0cm.typeform.com/to/bzhzwezm

快速链接

• 快速链接
• 文档
• 为什么要逃脱
• EVADB如何工作
• 说明性查询
• 说明性应用程序
• 更有说明性的查询
• EVADB的建筑
• 社区和支持
• 贡献
• 星历史
• 执照

文档

您可以在evadb.ai/docs找到EVADB的完整文档

为什么要逃脱

在AI的世界中，我们进入了一个阶段，现在可以自动化AI或ML工程师传统上处理的许多AI任务。 EVADB使软件开发人员能够执行高级AI任务，而无需深入研究复杂的详细信息。

EVADB涵盖了许多AI应用程序，包括回归，分类，图像识别，问答以及许多其他生成A​​I应用程序。 EVADB目标是99％的AI问题，这些问题通常是重复性的，可以在SQL查询中使用简单的功能调用自动化。到目前为止，还没有将AI带入具有原理AI优化框架的现有SQL数据库系统中的全面开源框架，这就是EVADB的所在地。

我们的目标受众是软件开发人员，他们可能不一定具有AI背景，但需要AI功能来解决特定问题。我们针对的是在CRUD应用程序中编写简单SQL查询的程序员。使用EVADB，可以通过在查询中调用内置AI函数来轻松添加AI功能。

EVADB如何工作

• 将EVADB连接到您的SQL和Vector数据库系统，并使用“创建数据库”和`创建索引语句。
• 用AI函数编写SQL查询以获取推理结果：
• 从拥抱面孔，打开AI，超级词，Pytorch和内置的AI框架中选择预先训练的AI模型，用于生成AI，NLP和视觉应用；
• 或从各种经典ML用例（分类，回归等）的最先进的ML发动机中挑选；
• 或使用“创建函数”使用任何AI/ML框架构建您的自定义模型。

遵循“入门指南”，以尽快上板上的登机。

说明性查询

• 使用GPT4获取有关GitHub观星者的见解。

 SELECT name, country, email, programming_languages, social_media, GPT4(prompt,topics_of_interest)
FROM gpt4all_StargazerInsights;

-- - Prompt to GPT-4
You are given 10 rows of input, each row is separated by two new line characters.
Categorize the topics listed in each row into one or more of the following 3 technical areas - Machine Learning, Databases, and Web development. If the topics listed are not related to any of these 3 areas, output a single N / A. Do not miss any input row. Do not add any additional text or numbers to your output.
The output rows must be separated by two new line characters. Each input row must generate exactly one output row. For example, the input row [Recommendation systems, Deep neural networks, Postgres] must generate only the output row [Machine Learning, Databases].
The input row [enterpreneurship, startups, venture capital] must generate the output row N / A.

• 在sift特征提取器返回的reddit图像集合中返回的功能嵌入式上构建向量索引。返回给定图像的前5个相似图像。

 CREATE INDEX reddit_sift_image_index
    ON reddit_dataset (SiftFeatureExtractor(data))
    USING FAISS

SELECT name FROM reddit_dataset ORDER BY
    Similarity(
        SiftFeatureExtractor(Open( ' reddit-images/g1074_d4mxztt.jpg ' )),
        SiftFeatureExtractor(data)
    )
    LIMIT 5 

说明性应用程序

以下是一些使用EVADB构建的说明性AI应用程序（每个笔记本可以在Google Colab上打开）：

• ？使用LLM PostgreSQL中的情感分析
• ？基于chatgpt的视频问题回答
• ？ PDF文档上的文本摘要
• ？用YOLO分析交通流量
• ？检查电影的情绪
• ？图像相似性搜索

更有说明性的查询

• 使用语音识别模型从存储在表中的视频中获取笔录。然后，使用Chatgpt在提取的成绩单上询问问题。

 CREATE TABLE text_summary AS
    SELECT SpeechRecognizer(audio) FROM ukraine_video;
SELECT ChatGPT( ' Is this video summary related to Ukraine russia war ' , text )
    FROM text_summary;

• 使用路德维希AI引擎训练经典的ML模型进行预测。

 CREATE FUNCTION IF NOT EXISTS PredictHouseRent FROM
( SELECT * FROM HomeRentals)
TYPE Ludwig
PREDICT ' rental_price '
TIME_LIMIT 120 ;

EVADB的建筑

EVADB的以AI为中心的查询优化器将查询作为输入并生成查询计划。查询引擎采用查询计划并击中相关的后端以有效处理查询：1。SQL数据库系统（结构化数据）2。AI Frameworks（将非结构化数据转换为结构化数据；非结构化数据包括PDF，文本，图像，本地存储等。

社区和支持

我们很想了解您的AI应用程序。请填写此1分钟的表格：https：//v0fbgcue0cm.typeform.com/to/bzhzwezm

如果您遇到任何错误或有任何评论，您可以在我们的Slack社区中与我们联系？或创建github问题？

这是Evadb的公共路线图？。我们根据用户反馈优先考虑功能，因此我们很乐意收到您的来信！

贡献

我们是一支旨在将AI带入数据库系统的任务的精益团队！对EVADB的各种贡献得到赞赏？如果您想参与其中，这里有有关我们可以在哪里使用您的帮助的信息：贡献指南？

CI状态：

星历史

执照

版权（c）佐治亚理工学院数据库组。根据Apache许可证获得许可。