Weaviate

本页面介绍如何在 LangChain 中使用 Weaviate 生态系统。

Weaviate 是什么？

Weaviate 简介：

• Weaviate 是一种开源的向量搜索引擎数据库。

• Weaviate 允许您以类似于类属性的方式存储 JSON 文档，并将机器学习向量附加到这些文档中，以在向量空间中表示它们。

• Weaviate 可以独立使用（即带上您的向量)，也可以与各种模块一起使用，这些模块可以为您进行向量化并扩展核心功能。

• Weaviate 具有 GraphQL-API，可以轻松访问您的数据。

• 我们的目标是将您的向量搜索设置投入生产，以在数毫秒内查询（请查看我们的 开源基准测试，以查看 Weaviate 是否适合您的用例)。

• 在不到五分钟的时间内，通过 基础入门指南 了解 Weaviate。

详细了解 Weaviate：

Weaviate 是一款低延迟的矢量搜索引擎，支持不同媒体类型（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 从头开始使用 Go 构建，存储对象和向量，允许将矢量搜索与结构化过滤和云原生数据库的容错性相结合。它可以通过 GraphQL、REST 和各种客户端编程语言进行访问。

安装和设置

• 使用 pip install weaviate-client 安装 Python SDK。

包装器

向量存储

存在一个 Weaviate 索引的包装器，可以将其用作向量存储，无论是用于语义搜索还是示例选择。

导入此向量存储：

from langchain.vectorstores import Weaviate

有关 Weaviate 包装器的详细演练， 请参见 此教程