Korvus

Korvus 是什么？

Korvus 是一个搜索 SDK，它将整个 RAG（检索增强生成）流程统一到一个数据库查询中。

Korvus 的主要功能

• 将 RAG 流程统一到一个数据库查询中: Korvus 允许用户使用一个 SQL 查询来完成整个 RAG 流程，包括数据检索、文本嵌入和生成响应。
• 基于 Postgres 构建: Korvus 基于 Postgres 数据库构建，并提供了 Python、JavaScript、Rust 和 C 语言的绑定。
• 支持多种语言: Korvus 支持多种语言，包括 Python、JavaScript、Rust 和 C。

Korvus 的优势

• 简化 RAG 流程: 通过将 RAG 流程统一到一个数据库查询中，Korvus 简化了 RAG 的开发和部署。
• 提高效率: Korvus 提高了 RAG 的效率，因为它允许用户使用一个查询来完成整个流程。
• 易于使用: Korvus 的 API 简单易用，易于集成到现有的应用程序中。

Korvus 的系统架构

Korvus 的系统架构基于 Postgres 数据库，并提供了一系列工具和组件来支持 RAG 流程，例如文本嵌入、向量搜索、生成模型等。

如何开始使用 Korvus

Korvus 提供了详细的文档和教程，帮助用户快速入门。

SQL 的力量

Korvus 利用了 SQL 的强大功能来支持 RAG 流程，允许用户使用 SQL 查询来进行数据检索、文本嵌入、生成响应等操作。

文档

Korvus 提供了丰富的文档，涵盖了从基础概念到高级应用的各个方面。

社区

Korvus 有一个活跃的社区，用户可以在社区中分享经验、提出问题和获得帮助。

如何贡献

Korvus 鼓励用户贡献代码、文档和教程。

• 应用开发者：使用 Korvus SDK 实施 RAG 管道，利用其 Python 和 JavaScript 绑定。
• 数据科学家：构建可扩展、高性能的搜索应用程序，在 Postgres 上利用 Korvus 的单查询 RAG 功能。
• 企业架构师：通过用 Korvus 的统一 Postgres 原生 RAG 管道替换面向服务的架构，简化复杂的架构。
• 机器学习工程师：自定义和扩展 Korvus 的 SQL 操作，以实现高级 RAG 功能和改进的开发者体验。
• 开源贡献者：通过增强多语言支持和改进现有功能，为 Korvus 项目做出贡献。

Korvus 是什么？

Korvus 是一个基于 PostgreSQL 的搜索 SDK，它将整个 RAG（检索增强生成）流程整合到一个数据库查询中。

为什么选择 Korvus？

Korvus 帮助你简化 RAG 的开发流程，并提供以下优势：

• 统一的查询体验：无需多个工具和库，Korvus 将检索、嵌入和生成整合到一个数据库查询中。
• 高性能：利用 PostgreSQL 的性能优势，Korvus 可以高效处理大规模数据。
• 可扩展性：支持多种语言绑定，方便你集成到不同的应用程序中。

Korvus 的主要功能有哪些？

Korvus 提供了以下主要功能：

• 支持各种文本检索模型，例如 OpenAI 的 text-embedding-ada-002 模型。
• 基于向量数据库的检索，可以根据语义进行高效检索。
• 支持各种文本生成模型，例如 OpenAI 的 text-davinci-003 模型。
• 提供了方便的 API 接口，可以轻松与你的应用程序集成。

如何开始使用 Korvus？

你可以参考 Korvus 的官方文档和示例代码进行快速上手。

Korvus 的 SQL 查询功能有什么优势？

Korvus 允许你使用 SQL 查询来进行 RAG 操作，这样可以利用 PostgreSQL 的强大查询功能，并实现更加灵活和高效的检索和生成。

如何加入 Korvus 社区？

你可以加入 Korvus 的 Discord 频道，与其他开发者交流和获取帮助。

Korvus 是一个搜索 SDK，旨在统一 RAG 流程，只需一次数据库查询。它利用 Postgres，并提供 Python、JavaScript、Rust 和 C 的绑定，以提供高效的搜索能力。

• 确保您拥有安装了 pgml 和 pgvector 的 Postgres 数据库，无论是自托管还是通过像 PostgresML Cloud 这样的托管服务。
• 使用 pip 安装 Korvus 包：pip install korvus。这将提供与 Korvus 交互所需的 Python 绑定。
• 设置 KORVUS_DATABASE_URL 环境变量，其中包含您的数据库连接字符串，以允许 Korvus 连接。
• 初始化一个 Collection 和 Pipeline，定义数据源和 RAG 操作的处理步骤，包括拆分和语义搜索。
• 使用 collection.upsert_documents() 插入或更新文档，确保您的数据可用于检索和增强生成。
• 使用 collection.rag() 执行检索增强生成 (RAG)，以检索相关上下文并根据您的数据生成响应。
• 检查结果。Korvus 在单个查询中结合了上下文检索和文本生成，简化了 RAG 并提高了性能。
• 自定义 SQL 操作以进行高级控制，利用 PostgreSQL 的查询优化功能来提高性能并定制结果。