Weaviate（Weaviate）

本页面介绍如何在LangChain中使用Weaviate生态系统。

Weaviate是什么？

Weaviate简介：

• Weaviate是一种开源的矢量搜索引擎数据库。
• Weaviate允许您以类似于类属性的方式存储JSON文档，并将机器学习向量附加到这些文档上，以在向量空间中表示它们。
• Weaviate可以独立使用（即带上您的向量），也可以与各种模块一起使用，这些模块可以为您进行向量化并扩展核心功能。
• Weaviate具有GraphQL-API，可轻松访问您的数据。
• 我们的目标是将您的向量搜索设置投入生产，以在几毫秒内进行查询（请查看我们的开源基准测试，以查看Weaviate是否适合您的用例）。
• 在不到五分钟的时间内，通过基础入门指南了解Weaviate。

Weaviate详细介绍：

Weaviate是一个低延迟的矢量搜索引擎，支持不同的媒体类型（文本、图像等）。它提供语义搜索、问答提取、分类、可定制模型（PyTorch/TensorFlow/Keras）等功能。Weaviate从头开始使用Go构建，可以存储对象和向量，允许将向量搜索与结构化过滤和云原生数据库的容错性相结合。通过GraphQL、REST和各种客户端编程语言都可以访问它。

安装和设置

• 使用pip install weaviate-client安装Python SDK

包装器

VectorStore（向量存储）

存在一个围绕Weaviate索引的包装器，允许您将其用作向量存储，无论是用于语义搜索还是示例选择。

要导入此向量存储：

from langchain.vectorstores import Weaviate

有关Weaviate包装器的更详细的演示，请参阅此笔记本