- Open-Source-RAG-Pipeline (Retrieval-Augmented Generation)
- Kombiniert LLM, Vektorspeicher, Embedding-Erstellung, Reranking, Zusammenfassung und benutzerdefinierte Modelle in einer einzigen Abfrage
- Maximiert die Leistung und vereinfacht die Sucharchitektur
- Auf Basis von Postgres entwickelt. Bietet Bindings für Python, JavaScript, Rust und C
- Komprimiert die gesamte RAG-Pipeline innerhalb von PostgreSQL mithilfe der Erweiterungen
pgml von PostgresML und pgvector
- Bietet hochperformante benutzerdefinierte Suchfunktionen bei minimalem Infrastrukturaufwand
Hauptfunktionen
- Vereinfacht die Architektur, indem komplexe serviceorientierte Architekturen durch eine einzige leistungsstarke Abfrage ersetzt werden
- Sorgt für schnellere Verarbeitung und höhere Zuverlässigkeit, indem API-Aufrufe und Datenbewegungen entfallen
- Verbessert die Developer Experience durch Open-Source-Software und lokal in Docker ausführbare Modelle
- Unterstützt verschiedene Sprachen wie Python, JavaScript und Rust
- Vereint Embedding-Erstellung, Vektorsuche, Reranking und Textgenerierung in einer einzigen Abfrage
- Führt Korvus-Operationen intern als effiziente SQL-Abfragen auf einer bewährten Datenbankplattform aus
Die Stärke von SQL
- Korvus bietet High-Level-Interfaces für mehrere Programmiersprachen, die Kernoperationen basieren jedoch auf optimierten SQL-Abfragen
- Fortgeschrittene Nutzer können die zugrunde liegenden Abfragen prüfen und verstehen
- Die Funktionen von Korvus lassen sich durch Anpassen oder Ergänzen von SQL-Operationen erweitern
- Nutzer profitieren von den fortgeschrittenen Möglichkeiten der Abfrageoptimierung in PostgreSQL
Noch keine Kommentare.