Korvus FAQ

Korvus, c'est quoi ?

Korvus est un SDK de recherche qui unifie l'intégralité du pipeline RAG (Retrieval-Augmented Generation) dans une seule requête de base de données. Il est construit sur Postgres avec des liaisons pour Python, JavaScript, Rust et C.

À quoi sert Korvus ?

Korvus permet de rechercher des informations et de générer du texte à partir d'un ensemble de données stockées dans une base de données Postgres. Il peut être utilisé pour des tâches telles que la recherche d'informations, la génération de réponses aux questions, la summarisation de documents et la création de contenu.

Quels sont les avantages de Korvus ?

Korvus offre plusieurs avantages par rapport aux autres solutions RAG.

• Il est beaucoup plus rapide car il utilise la puissance de Postgres pour exécuter ses requêtes.
• Il est plus facile à utiliser car il fournit une API simple et intuitive.
• Il est plus flexible car il prend en charge plusieurs langages de programmation.

Comment utiliser Korvus ?

Pour utiliser Korvus, vous devez d'abord installer le SDK et configurer votre base de données Postgres. Ensuite, vous pouvez commencer à utiliser les différentes fonctions de Korvus pour rechercher des informations et générer du texte. Vous pouvez trouver des exemples d'utilisation sur le site web de Korvus.

Quelles sont les principales caractéristiques de Korvus ?

• Unifie l'ensemble du pipeline RAG dans une seule requête de base de données
• Prise en charge de plusieurs langages de programmation
• API simple et intuitive
• Haute performance
• Flexible et extensible

Où puis-je trouver plus d'informations sur Korvus ?

Vous pouvez trouver plus d'informations sur Korvus sur le site web du projet, sur la page Github ou sur le serveur Discord. Vous pouvez également trouver des exemples de code et des tutoriels sur le site web.

Korvus est un SDK de recherche conçu pour unifier le pipeline RAG, en utilisant une seule requête de base de données. Il exploite Postgres, offrant des liaisons pour Python, JavaScript, Rust et C, afin de fournir des capacités de recherche efficaces.

• Assurez-vous d'avoir une base de données Postgres avec pgml et pgvector installés, que ce soit en auto-hébergement ou via un service géré comme PostgresML Cloud.
• Installez le paquet Korvus en utilisant pip : pip install korvus. Ceci fournit les liaisons Python nécessaires pour interagir avec Korvus.
• Définissez la variable d'environnement KORVUS_DATABASE_URL avec votre chaîne de connexion à la base de données pour permettre à Korvus de se connecter.
• Initialisez une Collection et un Pipeline, en définissant la source de données et les étapes de traitement pour vos opérations RAG, y compris la division et la recherche sémantique.
• Insérez ou mettez à jour des documents en utilisant collection.upsert_documents(), en vous assurant que vos données sont disponibles pour la récupération et la génération augmentée.
• Effectuez une génération augmentée par récupération (RAG) en utilisant collection.rag() pour récupérer le contexte pertinent et générer des réponses basées sur vos données.
• Examinez les résultats. Korvus combine la récupération de contexte et la génération de texte en une seule requête, simplifiant ainsi le RAG et améliorant les performances.
• Personnalisez les opérations SQL pour un contrôle avancé, en tirant parti des capacités d'optimisation des requêtes de PostgreSQL pour améliorer les performances et adapter les résultats.