Zilliz Cloud
スピード、スケール、そして高性能のために設計されたフルマネージドのベクトルデータベースサービスです。
Milvus
ビリオンスケールのベクトル類似検索のために構築されたオープンソースのベクトルデータベースです。
ドキュメント
Zilliz Cloudを利用するためのすべての情報を見つけることができるZilliz Cloud開発者ハブ
もっと詳しく
非構造化データの潜在能力を高め、Zilliz Cloudのさまざまなベクトルデータベース統合オプションにアクセスしてみましょう。
オーケストレーション
ChatGPT Retrieval PluginとZilliz Cloud & Milvusを併用することで、より正確な回答が得られます。
AIモデル
Cohere モデルを使って埋め込みを作成する
Zilliz Cloudインスタンスへのリアルタイムベクターデータ取り込み
Zilliz Cloudに保存するエンベッディングを作成します。
HayStackとZilliz CloudまたはMilvus Vector Databaseを使用した検索拡張世代アプリケーションの構築
LangChainを使用して、Zilliz Cloudに保存された非構造化データを使用して検索拡張世代（RAG）アプリを作成します。
LlamaIndexを使用して、Zilliz CloudまたはMilvus Vector Databaseに保存されている非構造化データを使用して、検索拡張世代（RAG）アプリケーションを作成します。
DSPyとMilvusまたはZilliz Cloudによる高性能な検索拡張世代（RAG）パイプラインの構築
Zilliz CloudとVanna：ベクトル検索によるSQL生成の強化
LangChainRBとZilliz CloudまたはMilvus Vector Databaseを用いたRubyベースの検索拡張世代アプリケーションの構築
FastGPTとZilliz Cloudを統合し、ナレッジベースのQAシステムを構築。
観測可能性
RagasとMilvusまたはZilliz Cloudを使用して、RAGとGenAIアプリケーションを評価します。
LLM搭載アプリケーションの観測可能性と分析
watsonxアシスタントとMilvusまたはZillizクラウドで検索拡張型ジェネレーションチャットボットを構築する
ZillizクラウドとCamelの統合でAIを活用したベクトル検索を実現
データソース
SnowflakeのSnowparkコンテナサービスにMilvusをデプロイする
AirbyteとZillizクラウドを活用しよう / Milvusであらゆるデータの類似性検索が可能に
LangflowとZilliz Cloudベクトルデータベースを使用したLLMパイプラインの構築とデプロイ
非構造化データからベクトルをリアルタイムに取り込む
KafkaによるRAGアプリケーションのリアルタイムデータ取り込み
BentoMLでホストされているモデルを選択し、Zillizクラウドから保存および取得できるベクトル埋め込みを生成します。
WhyHowとMilvusまたはZilliz Cloudを使用して、RAGパイプライン内でより制御された検索ワークフローを構築します。
lettaとMilvus/Zilliz Cloudを使用して、拡張LLMコンテキストウィンドウを可能にするRAG（Retrieval Augmented Generation）エージェントを構築する。
クライアント・ライブラリ
MilvusまたはZilliz Cloudで.NET SDKを使用する
MilvusまたはZilliz CloudでGo SDKを使用する
