Skip to main content
Open on GitHub

Weaviate

Weaviate 是一个开源矢量（向量）数据库。它允许您存储来自您喜爱的 ML 模型的数据对象和矢量嵌入，并无缝扩展到数十亿个数据对象。

什么是 Weaviate？

  • Weaviate 是一个开源的矢量搜索引擎数据库。
  • Weaviate 允许您以类的属性方式存储 JSON 文档，同时将机器学习矢量附加到这些文档上，以便在矢量空间中表示它们。
  • Weaviate 可以独立使用（即自带矢量），也可以与各种模块一起使用，这些模块可以为您处理矢量化并扩展核心功能。
  • Weaviate 拥有 GraphQL API，可轻松访问您的数据。
  • 我们的目标是将您的矢量搜索设置投入生产，在短短几毫秒内完成查询（请查看我们的 开源基准测试，了解 Weaviate 是否适合您的用例）。
  • 在 基础入门指南 中用不到五分钟的时间即可了解 Weaviate。

Weaviate 详解：

Weaviate 是一个低延迟的矢量搜索引擎，开箱即用地支持不同的媒体类型（文本、图像等）。它提供语义搜索、问答提取、分类、可定制模型（PyTorch/TensorFlow/Keras）等功能。Weaviate 完全使用 Go 从头开始构建，存储对象和矢量，能够将矢量搜索与结构化过滤以及云原生数据库的容错能力相结合。所有这些都可以通过 GraphQL、REST 以及各种客户端编程语言进行访问。

安装和设置​

安装 Python SDK：

pip install langchain-weaviate

Vector Store​

有一个围绕 Weaviate 索引的封装器，允许您将其用作矢量存储，无论是用于语义搜索还是示例选择。

要导入此矢量存储：

from langchain_weaviate import WeaviateVectorStore

有关 Weaviate 封装器的更详细的演练，请参阅 此笔记本。