Korvus Perguntas frequentes

O que é Korvus?

Korvus é um SDK de pesquisa que unifica todo o pipeline RAG em uma única consulta de banco de dados. Ele é construído em cima do Postgres com ligações para Python, JavaScript, Rust e C.

Por que usar Korvus?

Korvus permite que você execute o pipeline RAG (Retrieval Augmented Generation) dentro do próprio banco de dados. Isso significa que você pode usar a potência e a flexibilidade do SQL para:

• Indexar e consultar seus dados: Korvus é construído em cima do Postgres, um sistema gerenciado de banco de dados relacional. Isso significa que você pode usar todas as funcionalidades do Postgres para indexar e consultar seus dados, incluindo índices, consultas complexas e otimizações de desempenho.
• Executar modelos de linguagem: Korvus é compatível com uma variedade de modelos de linguagem, incluindo modelos de código aberto e modelos proprietários. Você pode usar esses modelos para gerar texto, traduzir idiomas, resumir textos, gerar código e muito mais.
• Personalizar seu pipeline RAG: Korvus oferece um alto nível de personalização. Você pode definir seu próprio esquema de dados, escolher seus modelos de linguagem e configurar o pipeline RAG de acordo com suas necessidades.

Quais são as principais funcionalidades do Korvus?

• Integração com Postgres: Korvus é construído em cima do Postgres, o que significa que você pode aproveitar todas as funcionalidades do Postgres, incluindo:
  • Consultas SQL
  • Indexação
  • Transações
  • Segurança
  • Escalabilidade
• Suporte a múltiplas linguagens: Korvus oferece ligações para Python, JavaScript, Rust e C, permitindo que você o integre em seus aplicativos.
• Personalização: Korvus oferece um alto nível de personalização, permitindo que você defina seu próprio esquema de dados, escolha seus modelos de linguagem e configure o pipeline RAG de acordo com suas necessidades.

Como usar o Korvus?

Para usar o Korvus, você precisa primeiro instalar o SDK. Depois de instalado, você pode usar as funções do SDK para indexar seus dados, executar modelos de linguagem e gerar resultados.

Quais as vantagens do Korvus em relação aos seus concorrentes?

• Integração com Postgres: Korvus é a única solução RAG que se integra diretamente ao Postgres. Isso oferece uma série de vantagens, incluindo:
  • Melhor desempenho
  • Maior segurança
  • Escalabilidade melhorada
• Personalização: Korvus oferece um alto nível de personalização, permitindo que você defina seu próprio esquema de dados, escolha seus modelos de linguagem e configure o pipeline RAG de acordo com suas necessidades.
• Suporte a múltiplas linguagens: Korvus oferece ligações para Python, JavaScript, Rust e C, permitindo que você o integre em seus aplicativos.

Korvus é um SDK de busca projetado para unificar o pipeline RAG, usando uma única consulta ao banco de dados. Ele aproveita o Postgres, oferecendo bindings para Python, JavaScript, Rust e C, para fornecer recursos de busca eficientes.

• Certifique-se de ter um banco de dados Postgres com pgml e pgvector instalados, seja auto-hospedado ou por meio de um serviço gerenciado como o PostgresML Cloud.
• Instale o pacote Korvus usando o pip: pip install korvus. Isso fornece os bindings Python necessários para interagir com o Korvus.
• Defina a variável de ambiente KORVUS_DATABASE_URL com sua string de conexão de banco de dados para permitir que o Korvus se conecte.
• Inicialize uma Collection e um Pipeline, definindo a fonte de dados e as etapas de processamento para suas operações RAG, incluindo divisão e busca semântica.
• Insira ou atualize documentos usando collection.upsert_documents(), garantindo que seus dados estejam disponíveis para recuperação e geração aumentada.
• Execute a Geração Aumentada por Recuperação (RAG) usando collection.rag() para recuperar o contexto relevante e gerar respostas com base em seus dados.
• Revise os resultados. O Korvus combina a recuperação de contexto e a geração de texto em uma única consulta, simplificando o RAG e melhorando o desempenho.
• Personalize as operações SQL para controle avançado, aproveitando os recursos de otimização de consulta do PostgreSQL para melhorar o desempenho e adaptar os resultados.