Weaviate

Weaviate 是一款高效能、開源的 AI 原生向量資料庫，旨在賦能開發者建構下一代智慧應用。它專門用於儲存、索引和搜尋資料物件及其對應的向量嵌入，從而實現基於語義和上下文的搜尋，而不僅僅是關鍵詞匹配。這使其成為涉及語義搜尋、推薦系統、問答機器人和檢索增強生成（RAG）等應用的基礎元件。

如何使用 Weaviate

開始使用 Weaviate 的過程包括幾個關鍵步驟，對於不同 AI 專業水平的開發者來說都非常易於上手：

1. 部署： 選擇您偏好的部署方式。您可以使用完全託管的 Weaviate Cloud Services (WCS) 獲得無伺服器體驗，或使用 Docker、Kubernetes 進行自託管部署，也可以在本地端執行以進行開發。
2. 定義結構（Schema）： 在匯入資料之前，您需要定義一個結構來描述您的資料類別（例如 'Article'、'Product'）及其屬性（例如 'title'、'content'）。在結構中，您可以指定哪些屬性需要被向量化，以及使用哪個向量化模組（例如 OpenAI、Cohere、Hugging Face）。
3. 匯入資料： 將您的資料物件新增至 Weaviate 中。如果您設定了向量化模組，Weaviate 將自動處理指定的文字欄位並為其產生向量嵌入，然後將其與原始資料一同儲存。
4. 執行查詢： 透過其客戶端函式庫（Python、TypeScript、Go、Java）或 GraphQL 和 RESTful API，使用 Weaviate 強大的查詢功能。您可以執行向量搜尋（尋找與給定文字或向量相似的物件）、關鍵詞搜尋，或結合兩種方法的強大混合搜尋，以獲得最佳相關性。

Weaviate 的核心功能

• 混合搜尋： 結合了傳統的稀疏關鍵詞搜尋（BM25）與現代的密集向量搜尋（ANN），提供高度相關的結果，能夠同時理解詞法和語義查詢。
• 生成式搜尋（RAG）： 原生支援檢索增強生成。它能高效地從您的資料中檢索最相關的上下文，並提供給大型語言模型（LLM），從而減少幻覺並提供基於事實的最新答案。
• 可擴展性與效能： 專為處理數十億資料物件和低延遲查詢而設計。它透過分片支援水平擴展，並透過複製確保高可用性。
• 模組化生態系統： 靈活的插件式架構允許您將喜愛的向量化模型、大型語言模型和其他工具直接整合到資料庫中，從而簡化您的 MLOps 流程。
• 進階篩選： 在向量搜尋期間，對物件屬性應用複雜的結構化篩選器。這使您能夠在特定類別、日期範圍或使用者定義的標籤內執行語義搜尋。
• 開源： Weaviate 是一個擁有活躍社群的開源專案，確保了透明度、持續改進並且沒有供應商鎖定。

Weaviate 的使用案例

Weaviate 功能多樣，可用於驅動各種由 AI 驅動的功能：

• 語義搜尋： 創建能夠理解使用者查詢意圖和上下文的搜尋引擎，超越了對文件、產品或圖像的簡單關鍵詞匹配。
• 問答系統與聊天機器人： 使用 RAG 建構智慧聊天機器人和問答系統。Weaviate 提供事實知識庫，使大型語言模型能夠產生準確且與上下文相關的回應。
• 推薦引擎： 透過尋找具有相似向量嵌入的項目，向使用者推薦相關的產品、文章或內容。
• 多模態搜尋： 儲存和搜尋不同類型的資料，包括文字、圖像等，支援「尋找與此文字描述相似的圖像」等查詢。

Weaviate 的優勢特點

Weaviate 是一款對開發者友善且具備企業級能力的解決方案。其主要優勢包括其 AI 原生設計，簡化了複雜 AI 功能的建構。強大的混合搜尋能力確保了最前沿的相關性。其開源性質促進了社群協作並提供了靈活性，而託管的 Weaviate Cloud Service 則提供了無憂且可擴展的基礎設施，使團隊能夠專注於建構應用而非管理資料庫。

定價和計劃

Weaviate 提供靈活的定價結構以滿足不同需求：

• 開源版： 完全免費下載、使用和自託管。非常適合本地開發、研究以及需要自己管理基礎設施的專案。
• Weaviate Cloud Services (WCS) - 無伺服器版： 一種完全託管的按需付費選項。它包含一個慷慨的免費方案（沙盒），非常適合原型設計和小型應用。隨著業務增長，您只需為您使用的資源（如儲存、運算）付費。
• Weaviate Cloud Services (WCS) - 專用叢集版： 一種企業級解決方案，提供專用基礎設施以實現最佳效能、安全性和隔離。該計劃適用於大規模生產工作負載，並提供企業級支援和私有網路等功能。定價基於叢集配置。