בדף הזה מוסבר איך Memorystore for Valkey תומך באחסון ובשאילתות של נתוני וקטורים עבור אפליקציות AI גנרטיביות, כמו Retrieval-Augmented Generation (יצירה משולבת-אחזור, RAG) ו-LangChain, באמצעות יכולות חיפוש וקטורים.
שימוש בחיפוש וקטורי ל-AI גנרטיבי עם LangChain
חיפוש וקטורי ב-Memorystore for Valkey תואם למסגרת ה-LLM בקוד פתוח LangChain. שימוש בחיפוש וקטורי עם LangChain מאפשר לכם ליצור פתרונות לתרחישי השימוש הבאים:
- RAG
- מטמון LLM
- מערכת המלצות
- חיפוש סמנטי
- חיפוש תמונות דומות
היתרונות של חיפוש וקטורי ל-AI גנרטיבי ב-Memorystore for Valkey
היתרון בשימוש ב-Memorystore לאחסון נתונים של AI גנרטיבי, בהשוואה למסדי נתונים אחרים, הוא המהירות. Google Cloud חיפוש וקטורי ב-Memorystore for Valkey מתבסס על שאילתות מרובות-הליכים, וכתוצאה מכך מתקבלת תפוקת שאילתות גבוהה (QPS) עם זמן אחזור נמוך.
גישות לשימוש בחיפוש וקטורים ל-AI גנרטיבי ב-Memorystore for Valkey
בנוסף, Memorystore מספק שתי גישות חיפוש שונות שיעזרו לכם למצוא את האיזון הנכון בין מהירות לדיוק. האפשרות Hierarchical Navigable Small World (HNSW) מספקת תוצאות מהירות ומשוערות – אידיאלי למערכי נתונים גדולים שבהם התאמה קרובה מספיקה. אם אתם צריכים דיוק מוחלט, גישת FLAT תיתן לכם תשובות מדויקות, אבל יכול להיות שייקח קצת יותר זמן לעבד אותן.
אם אתם רוצים לבצע אופטימיזציה של האפליקציה כדי להשיג את מהירויות הקריאה והכתיבה הכי גבוהות של נתוני וקטורים, כנראה ש-Memorystore for Valkey היא האפשרות הכי טובה בשבילכם.