logoAIStage

Korvus часто задаваемые вопросы

Korvus — это SDK с открытым исходным кодом для конвейеров RAG (поколение с усилением извлечения), который упрощает весь рабочий процесс RAG до одного SQL-запроса, построенного на основе Postgres с привязками для Python, JavaScript, Rust и C.

Посетить сайт

Часто задаваемые вопросы Korvus

Что такое Korvus?

Korvus — это поисковый SDK, который объединяет всю цепочку RAG в одном запросе к базе данных. Построен на базе Postgres с привязками для Python, JavaScript, Rust и C.

Чем Korvus отличается от других решений?

Korvus предлагает единый подход к поиску и извлечению информации, объединяя все этапы RAG в одном запросе к базе данных. Это упрощает разработку и повышает производительность приложений, использующих RAG.

Для кого подходит Korvus?

Korvus подходит для разработчиков, которые хотят быстро и легко интегрировать RAG в свои приложения. Он особенно полезен для:

  • Разработчиков, использующих PostgreSQL.
  • Разработчиков, которым нужна высокая производительность поиска и извлечения информации.
  • Разработчиков, которые хотят избежать сложности настройки и управления разными инструментами RAG.

Как начать использовать Korvus?

Начните с изучения документации и примерів. На GitHub есть все, что вам нужно.

Как использовать Korvus

Korvus — это SDK для поиска, разработанный для унификации конвейера RAG с использованием одного запроса к базе данных. Он использует Postgres, предлагая привязки для Python, JavaScript, Rust и C, чтобы обеспечить эффективные возможности поиска.

  • Убедитесь, что у вас есть база данных Postgres с установленными pgml и pgvector, размещенная самостоятельно или через управляемую службу, такую как PostgresML Cloud.
  • Установите пакет Korvus с помощью pip: pip install korvus. Это предоставляет необходимые привязки Python для взаимодействия с Korvus.
  • Установите переменную среды KORVUS_DATABASE_URL со строкой подключения к вашей базе данных, чтобы Korvus мог подключиться.
  • Инициализируйте Collection и Pipeline, определив источник данных и этапы обработки для ваших операций RAG, включая разделение и семантический поиск.
  • Вставляйте или обновляйте документы с помощью collection.upsert_documents(), чтобы ваши данные были доступны для извлечения и расширенного создания.
  • Выполните генерацию с расширенным извлечением (RAG) с помощью collection.rag(), чтобы извлечь соответствующий контекст и сгенерировать ответы на основе ваших данных.
  • Просмотрите результаты. Korvus объединяет извлечение контекста и генерацию текста в одном запросе, упрощая RAG и повышая производительность.
  • Настройте SQL-операции для расширенного управления, используя возможности оптимизации запросов PostgreSQL для повышения производительности и адаптации результатов.

Рекомендуемые*

Korvus Альтернативы