AI 技术文章

最近在社区里经常听到一些小伙伴说，Milvus 的配置参数有几百个，这些参数究竟该怎么配置，Milvus 才能获得最佳的性能和稳定性。打开 Milvus 的配置文件 milvus.yaml，各个功能模块，从基础设施(存储、消息队列)到业务功能(查询、写入、索引)，总共参数加起来超过了 500 多个，对于刚接触 M...

避雷指南：本文并非要一杆子打死所有的一体机，而是指出行业鱼龙混杂背后的真相，并给出一些避坑小技巧。

从海外的OpenAI、微软Bing Copilot、Perplexity AI，再到国内的豆包、Kimi，都是这一共识下的代表产品。

滴滴最近推出了一项名为“Grocery Business”的新业务，正式进军生鲜电商领域。这一服务已经在墨西哥、哥伦比亚、哥斯达黎加等国家的部分城市亮相。

随着跨年钟声响起，2024 年告一段落。这一年，Milvus GitHub Stars 正式突破 3 万大关，Docker 下载量突破6700w 次，达到一个新的里程碑，在开源向量数据库领域继续引领前行。在这遥遥领先的数据背后，不妨让我们一起回头看看，今年 Milvus 的社区里都发生了哪些事情，对于每位关心 M...

最近，多模态 Embedding 模型的爆火在各个行业引起了广泛关注，改变了机器理解文本和图像的方式。虽然多模态 Embedding 模型发展有了重要突破，但这些模型仍旧面临一些关键挑战，其中之一就是不同模态数据的 Gap 问题——即使代表的是同一个对象，图像和文本 Embedding 在向量空间中的距离也相隔甚远。

Milvus 是一款高性能、高度可扩展的开源向量数据库，能够存储、索引和搜索由非结构化数据转化而来的高维 Embedding 向量。Milvus 适用于构建现代 AI 应用，如检索增强生成（RAG）、语义搜索、多模态搜索、推荐系统和其他 ML 任务。

为应对公司在大规模文本、图像等非结构化数据处理上的业务增长需求，笔者着手调研当前流行的开源向量数据库。主要针对查询速度、并发度和召回率这几大核心维度进行深入分析，以确保选定的数据库方案能够在实际业务场景中高效应对大规模数据检索和高并发需求。通过全面对比不同数据库的表现，得出可靠的调研结论。

Llama-agents、Ollama、Mistral Nemo 和 Milvus Lite 简介

知识图谱与向量数据库结合的 Graph RAG 实践：通过实体和关系双路向量召回、局部子图扩展与 LLM Rerank，提升多跳问答的检索效果。

现在，让我们通过具体示例来看看 Phoenix 是如何识别错误 Embeddings 的。我们需要先回顾一下之前使用的 IMDB 数据集。记得我们之前是如何使用 sentence-transformers 库生成 Embeddings 的吗？

向量搜索，也称为向量相似性搜索或最近邻搜索，是一种常见于 RAG 应用和信息检索系统中的数据检索技术，用于查找与给定查询向量相似或密切相关的数据。业内通常会宣传该技术在处理大型数据集时非常直观且简单易用。一般来说，您只需将数据输入到 Embedding 模型中生成 Embedding 向量，然后将这些向量存储到向...