MircoNN: An On-device Disk Resident Updatable Vector Database
最近对密集矢量收集的邻居搜索在信息检索，检索增强发电（RAG）和内容排名中具有重要的应用。在许多现有方法和开源实现的情况下，对大型向量收集进行有效的搜索是一个精心研究的问题。但是，大多数最先进的系统通常针对方案，使用大量内存，无法更新的静态矢量收集以及隔离其他搜索标准的最接近的邻居搜索。我们提出微型邻居…
Simplify automotive damage processing with Amazon Bedrock and vector databases
本博文探讨了一种解决方案，该解决方案利用 AWS 生成式 AI 功能（如 Amazon Bedrock 和 OpenSearch 向量搜索）为保险公司、维修店和车队经理进行损害评估。
How to Implement Graph RAG Using Knowledge Graphs and Vector Databases
作者提供的图片关于实现检索增强生成 (RAG)、语义搜索和推荐的分步教程本教程的随附代码在此处。我的上一篇博客文章是关于如何在企业级一起实现知识图谱 (KG) 和大型语言模型 (LLM)。在那篇文章中，我介绍了 KG 和 LLM 目前交互的两种方式：LLM 作为构建 KG 的工具；以及 KG 作为 LLM 或 GenAI 应用程序的输入。下图显示了集成的两个方面以及人们将它们一起使用的不同方式。作者提供的图片在这篇文章中，我将重点介绍 KG 和 LLM 一起使用的一种流行方式：使用知识图谱的 RAG，有时称为 Graph RAG、GraphRAG、GRAG 或 Semantic RAG。检索增
Understanding the Tech Stack Behind Generative AI
从基础模型到矢量数据库和AI代理 - 使现代AI工作的原因是，了解生成AI背后的技术堆栈首先出现在数据科学方面。
Optimizing costs of generative AI applications on AWS
优化 AWS 上生成式 AI 应用程序的成本对于充分发挥这项变革性技术的潜力至关重要。本文概述了关键的成本优化支柱，包括模型选择和定制、代币使用、推理定价计划和矢量数据库注意事项。
Building a Local Face Search Engine — A Step by Step Guide
构建本地人脸搜索引擎 — 一步一步指南第 1 部分：关于人脸嵌入以及如何动态运行人脸搜索“办公室”演员的面部识别和搜索示例演示在这篇文章（第 1 部分）中，我们将介绍人脸识别和搜索的基本概念，并纯用 Python 实现一个基本的工作解决方案。在本文的最后，您将能够在自己的图像上本地动态运行任意人脸搜索。在第 2 部分中，我们将通过使用矢量数据库来优化接口和查询，扩展第 1 部分的学习。人脸匹配、嵌入和相似性指标。目标：在图像池中找到给定查询人脸的所有实例。我们可以通过基于相似性对结果进行排序来放宽标准，而不是将搜索限制为完全匹配。相似度得分越高，结果匹配的可能性就越大。然后，我们可以只选择前
Using Evaluations to Optimize a RAG pipeline: from Chunkings and Embeddings to LLMs
使用 Milvus 矢量数据库的最佳实践 RAG，第 2 部分继续阅读 Towards Data Science »
