Skip to main content

Weaviate

本页介绍如何在 LangChain 中使用 Weaviate 生态系统。

什么是 Weaviate？

Weaviate 简介：

  • Weaviate 是一种开源的类型向量搜索引擎数据库。
  • 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，以便轻松访问您的数据。
  • 我们的目标是将您的向量搜索设置为可以在几毫秒内查询的产品环境中（请查看我们的 开源基准测试，以确定 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。

Weaviate 详细介绍：

Weaviate 是一种低延迟的向量搜索引擎，支持不同的媒体类型（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，可以存储对象和向量，允许将向量搜索与结构化过滤器和云原生数据库的容错性结合起来。通过 GraphQL、REST 和各种客户端编程语言都可以访问它。

安装和设置​

  • 使用 pip install weaviate-client 安装 Python SDK

封装​

VectorStore​

存在一个围绕 Weaviate 索引的封装，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.vectorstores import Weaviate

有关 Weaviate 封装的更详细步骤，请参阅 此笔记本