- DB embedding menggabungkan indeks vektor (sparse dan dense), jaringan graf, dan basis data relasional
- Dengan ini, pencarian vektor dimungkinkan melalui SQL, pemodelan topik, retrieval-augmented generation (RAG), dan lainnya
- Dapat digunakan secara mandiri atau sebagai sumber pengetahuan yang kuat untuk prompt large language model (LLM)
- Fitur txtai
- Pencarian vektor melalui SQL, object storage, pemodelan topik, analisis graf, dan pengindeksan multimodal
- Membuat embedding untuk teks, dokumen, audio, gambar, dan video
- Pipeline berbasis model bahasa yang menjalankan prompt LLM, tanya jawab, pelabelan, transkripsi, terjemahan, peringkasan, dan lainnya
- Workflow yang menghubungkan pipeline bersama-sama dan mengagregasikan logika bisnis
- Proses txtai dapat berupa microservice sederhana atau workflow multi-model
- Dibangun dengan Python atau YAML
- Menyediakan API binding untuk JavaScript, Java, Rust, dan Go
- Dapat dijalankan secara lokal atau di-scale-out dengan orkestrasi kontainer
Belum ada komentar.