Mr Panda
0 关注者
Y11
1个月前
有了大模型和向量数据库之后， 我发现我连最基础的sklearn + tensorflow + BERT组合都不记得怎么用了。太惭愧了。
sitin
出海做 RAG 应用的别再用本地向量库了。 Pinecone 新出的免费版真香。 支持 1 万条向量存储，API 接入超快。 我用它做了一个文档问答 Demo，响应不到 1 秒。 优点是稳定、速度快、还能直接连到 Claude 或 OpenAI 模型。 现在个人开发者终于能免费玩企业级性能。
狂奔滴小马
2个月前
什么向量数据库，如何对接 vercel ai sdk?
听了Zilliz创始人Charles的分享，我有几点收获笔记跟大家分享： 五年前我们开始做向量数据库时，这还算是个相对前沿的技术方向。 直到2023年随着RAG技术的成熟，这个领域才真正具备了商业化的可能性。 这让我想到，有些技术的价值需要时间来验证，过早商业化往往会遇到很多问题。 作为基础设施软件领域的创业者，我们早期也面临着商业化困难的挑战。 坚持投入了五年时间，团队累计投入了约30
howie.serious
3个月前
对比下两种不同的说法： 1）书，在未来会成为“embedding化的智能副本” 2）“把这本书RAG一下” 更具体一点，多说一句话来解释：把一本书的文本切块，处理成高维向量（embedding）后放进向量数据库（vector DB）；读者可以直接对书（的embedding）提问，用相似度算法把最相关段落检索出来，然后llm基于这本书的内容来回答读者问题。 简称为“RAG”。
