Weaviate

Weaviate 是一个开源的向量数据库。它允许您将 您最喜欢的 ML 模型，并无缝扩展到数十亿个数据对象。

什么Weaviate?

• Weaviate 是一个向量搜索引擎类型的开源数据库。
• Weaviate 允许您以类似类属性的方式存储 JSON 文档，同时将机器学习向量附加到这些文档以在向量空间中表示它们。
• Weaviate 可以单独使用（也称为 bring your vectors），也可以与各种模块一起使用，这些模块可以为您进行矢量化并扩展核心功能。
• Weaviate 有一个 GraphQL-API 可以轻松访问您的数据。
• 我们的目标是在短短几毫秒内将您的向量搜索设置投入生产以进行查询（查看我们的开源基准测试，看看 Weaviate 是否适合您的用例）。
• 在五分钟内了解基础知识入门指南中的 Weaviate。

Weaviate 详情：

Weaviate是一个低延迟的矢量搜索引擎，对不同的媒体类型（文本、图像等）提供开箱即用的支持。它提供语义搜索、问答提取、分类、可定制模型 （PyTorch/TensorFlow/Keras） 等。Weaviate 在 Go 中从头开始构建，同时存储对象和向量，允许将向量搜索与结构化过滤和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 和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

矢量存储

存在一个Weaviateindexes 中，允许您将其用作 vectorstore， 无论是用于语义搜索还是示例选择。

要导入此 vectorstore：

from langchain_weaviate import WeaviateVectorStore

有关 Weaviate 包装器的更详细演练，请参阅此笔记本