10 poin oleh xguru 2024-07-17 | Belum ada komentar. | Bagikan ke WhatsApp
  • Pipeline RAG (Retrieval-Augmented Generation) open source
    • Menggabungkan LLM, memori vektor, pembuatan embedding, reranking, peringkasan, dan model kustom ke dalam satu kueri
    • Memaksimalkan performa dan menyederhanakan arsitektur pencarian
  • Dibangun di atas Postgres. Menyediakan binding untuk Python, Javascript, Rust, dan C
    • Menggunakan ekstensi pgml dan pgvector dari PostgresML untuk memadatkan seluruh pipeline RAG di dalam PostgreSQL
  • Menyediakan kemampuan pencarian kustom berperforma tinggi sambil meminimalkan masalah infrastruktur

Fitur utama

  • Menyederhanakan arsitektur dengan mengganti arsitektur kompleks berorientasi layanan menjadi satu kueri kuat
  • Memberikan pemrosesan yang lebih cepat dan keandalan yang lebih baik dengan menghilangkan pemanggilan API dan perpindahan data
  • Meningkatkan pengalaman pengembang dengan perangkat lunak open source dan model yang berjalan lokal, termasuk di Docker
  • Mendukung berbagai bahasa seperti Python, JavaScript, dan Rust
  • Menyatukan pembuatan embedding, pencarian vektor, reranking, dan generasi teks dalam satu kueri
  • Menjalankan operasi Korvus secara internal dengan kueri SQL yang efisien di atas platform database yang telah teruji waktu

Kekuatan SQL

  • Korvus menyediakan antarmuka tingkat tinggi untuk berbagai bahasa pemrograman, tetapi operasi intinya didasarkan pada kueri SQL yang dioptimalkan
  • Pengguna tingkat lanjut dapat memeriksa dan memahami kueri dasarnya
  • Fungsionalitas Korvus dapat diperluas dengan memodifikasi atau menambahkan operasi SQL
  • Dapat memanfaatkan kemampuan optimisasi kueri tingkat lanjut dari PostgreSQL

Belum ada komentar.

Belum ada komentar.