Skip to main content
Open on GitHub

Weaviate

Weaviate is an open-source vector database. It allows you to store data objects and vector embeddings from your favorite ML models, and scale seamlessly into billions of data objects.

什么是 Weaviate？

  • Weaviate 是一种开源的矢量搜索引擎类型的数据库。
  • Weaviate 允许您以类属性的方式存储 JSON 文档，同时将机器学习向量附加到这些文档上，以便在向量空间中表示它们。
  • Weaviate 可以单独使用（也称为自带向量），也可以与多种模块一起使用，这些模块可以为您完成向量化并扩展核心功能。
  • Weaviate 提供了一个 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，以在短短几毫秒内完成查询（查看我们的开源基准测试，确认Weaviate是否适合您的使用场景）。
  • 在基础入门指南中，五分钟内了解Weaviate。

详细解析Weaviate：

Weaviate 是一个低延迟的向量搜索引擎，开箱即用，支持多种媒体类型（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语言从零开始构建，能够同时存储对象和向量，从而允许将向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。所有功能都可以通过GraphQL、REST以及各种客户端编程语言访问。

安装与设置​

安装 Python SDK：

pip install langchain-weaviate

向量存储​

围绕 Weaviate 索引存在一个包装器，允许您将其用作向量存储，无论是用于语义搜索还是示例选择。

要导入此向量存储：

from langchain_weaviate import WeaviateVectorStore

有关Weaviate包装器的更详细演练，请参阅此笔记本