AlloyDB AI מרחיב את התוסף pgvector בקוד פתוח, ומספק תאימות לסוגי אינדקסים סטנדרטיים כמו HNSW לצד אינדקס החיפוש הווקטורי Scalable Nearest Neighbors (ScaNN) של Google. אחסון הטמעות וקטורים והוספה שלהן לאינדקס ישירות ב-AlloyDB ל-PostgreSQL מאפשרים לכם ליצור אפליקציות של AI גנרטיבי, חיפוש סמנטי והמלצות בלי להעביר את הנתונים התפעוליים או לנהל מסד נתונים נפרד של וקטורים.
פיתוח מהיר וחכם יותר של אפליקציות מבוססות-AI
עם AlloyDB AI לא צריך לנהל מסד נתונים וקטורי נפרד. אפשר לשמור נתונים תפעוליים והטמעות במקום אחד, ולהשתמש בפונקציות מובנות כדי ליצור הטמעות של קבוצות (בגרסת Preview) לטבלאות גדולות, וכך להרחיב את צינור ה-AI ממקור יחיד ומאובטח.
יצירה משופרת באחזור (RAG)
כדי לשפר את התשובות של ה-LLM, אתם יכולים להשתמש בחיפוש וקטורי כדי למצוא ולאחזר את ההקשר הכי רלוונטי ועדכני מהנתונים הפרטיים שלכם ב-AlloyDB, ולהזין אותו ישירות בהנחיה כדי לצמצם את ההזיות.
חיפוש סמנטי
הפעלת חיפוש מבוסס-מושגים על ידי המרת הנתונים להטמעות וקטורים. השאילתות הווקטוריות המהירות של AlloyDB AI מוצאות פריטים על סמך המשמעות הסמנטית שלהם, ולא רק על סמך התאמות למילות מפתח.
מנועי המלצות
התאמה אישית בזמן אמת: אתם יכולים להשתמש בחיפוש וקטורי מהיר במיוחד כדי לזהות פריטים או משתמשים דומים (השכנים הקרובים ביותר) ישירות במסד הנתונים, וכך ליצור המלצות דינמיות ורלוונטיות.
ביצועי החיפוש הווקטורי של ScaNN
יצירת אינדקס ScaNN וחיפוש וקטורי מסונן מהירים עד פי 10 בהשוואה ל-HNSW.
צורך פי 3 פחות זיכרון בהשוואה ל-HNSW.
שאילתות חיפוש וקטורי מהירות פי 4 יותר מ-HNSW.
חיפוש וקטורי מסונן מהיר פי 10 בהשוואה ל-HNSW.
מידע נוסף
כדאי לעיין במקורות המידע למפתחים שלנו כדי ללמוד איך ליצור אפליקציות AI באמצעות יכולות החיפוש הווקטורי של AlloyDB.
AlloyDB AI: חיפוש היברידי ויכולות מולטי-מודאליות
שיפור חיפוש המוצרים הקמעונאיים באמצעות חיפוש סמנטי, היברידי ומולטי-מודאלי ב-AlloyDB.
ScaNN for AlloyDB whitepaper
מאמר טכני על הארכיטקטורה, האלגוריתמים והביצועים של אינדקס ScaNN ב-AlloyDB.
יצירה ופריסה של חיפוש מוצרים קמעונאיים באופן דינמי והיברידי באמצעות AlloyDB, Gemini ו-Cloud Run
איך מבצעים חיפוש היברידי ב-Cloud Run, שמשלב SQL, טקסט מלא וחיפוש וקטורי.