Zilliz Cloud
Serviço de banco de dados vetorial totalmente gerenciado, projetado para velocidade, escala e alto desempenho.
Milvus
Banco de dados vetorial open-source construído para busca de similaridade em escala de bilhões.
Documentação
O Zilliz Cloud Developer Hub, onde pode encontrar todas as informações necessárias para trabalhar com o Zilliz Cloud.
Saiba Mais
Amplifique o potencial dos seus dados não estruturados e acesse uma variedade de opções de integração de banco de dados vetorial para o Zilliz Cloud.
Orquestração
Use o plug-in de recuperação do ChatGPT com o Zilliz Cloud e o Milvus para obter respostas mais precisas
Modelos de IA
Utilizar os modelos Cohere para criar incorporações
Ingestão de dados vectoriais em tempo real na sua instância Zilliz Cloud
Criar embeddings para armazenar no Zilliz Cloud.
Criar aplicações Retrieval-Augmented Generation com HayStack e Zilliz Cloud ou Milvus Vetor Database
Integre o Zilliz Cloud ao LangChain para criar aplicações de LLM com busca semântica, RAG e recuperação sensível ao contexto usando uma estrutura flexível para orquestração, cadeias e agentes.
Utilize o LangChain para criar aplicações Retrieval Augmented Generation (RAG) com os seus dados não estruturados armazenados no Zilliz Cloud
Utilize o LlamaIndex para criar aplicações Retrieval Augmented Generation (RAG) com os seus dados não estruturados armazenados em Zilliz Cloud ou Milvus Vetor Database
Criação de pipelines RAG (Retrieval Augmented Generation) de elevado desempenho com DSPy e Milvus ou Zilliz Cloud
Zilliz Cloud e Vanna: Melhorar a geração de SQL com pesquisa vetorial
Criar aplicações de Geração Aumentada de Recuperação baseadas em Ruby com LangChainRB e Zilliz Cloud ou Milvus Vetor Database
Observabilidade
Utilize Ragas e Milvus ou Zilliz Cloud para avaliar as suas aplicações RAG e GenAI
Integrar o FastGPT com o Zilliz Cloud para criar sistemas de QA baseados no conhecimento.
Observabilidade e análise para aplicações alimentadas por LLM
Criar Chatbots de Geração Aumentada por Recuperação com o watsonx Assistant e Milvus ou Zilliz Cloud
Integração do Zilliz Cloud e do Camel para pesquisa vetorial baseada em IA
Fontes de dados
Implementar o Milvus nos serviços de contentores Snowpark da Snowflake
Utilizar o Airbyte e Zilliz Cloud / Milvus para a pesquisa de semelhanças em todos os seus dados
Criar e implementar pipelines LLM com Langflow e a base de dados vetorial Zilliz Cloud
Ingestão em tempo real de vectores dos seus dados não estruturados
Ingestão de dados em tempo real para as suas aplicações RAG com o Kafka
Escolha modelos alojados no BentoML para gerar uma incorporação vetorial que pode armazenar e recuperar a partir do Zilliz Cloud
Crie fluxos de trabalho de recuperação mais controlados no seu pipeline RAG com WhyHow e Milvus ou Zilliz Cloud
Construir um agente RAG (Retrieval Augmented Generation) que permita uma janela de contexto LLM alargada utilizando letta e Milvus/Zilliz Cloud.
Bibliotecas de clientes
Utilizar o SDK .NET com o Milvus ou o Zilliz Cloud
