recipes

Weaviate Recipes 项目介绍

Weaviate Recipes 是一个为用户提供全面指南的项目，涵盖了 Weaviate 的各种功能和集成示例。这个项目通过详细的文档和实际的例子，帮助用户更好地理解和使用 Weaviate 平台的强大能力。

集成指南 🌐

Weaviate Recipes 项目中提供了各种与其他技术的集成示例，这些例子帮助用户了解如何在 Weaviate 上集成不同的云服务、计算基础设施、数据平台、LLM 框架以及运营工具。

公司和技术类别包括：

• 云服务提供商： Google, AWS, NVIDIA
• 计算基础设施： Modal, Replicate
• 数据平台： Databricks, Confluent Cloud, Spark 等
• LLM 框架： DSPy, LangChain, LlamaIndex 等
• 运营工具： Arize, Langtrace, Weights & Biases 等

这些集成示例为用户展示了如何利用 Weaviate 平台与上述技术协同工作，实现数据驱动的强大解决方案。

Weaviate 功能 🔧

Weaviate Recipes 项目的另一个重点是提供 Weaviate 强大功能的使用指南。这些功能涵盖了从简单的相似性搜索到复杂的多租户管理等多个方面。

• 相似性搜索： 使用 Weaviate 的 nearText 操作符进行语义搜索。
• 混合搜索： 通过 hybrid 操作符实现多样化的搜索结果。
• 生成式搜索： 利用 .generate 构建简单的 RAG 工作流。
• 过滤器： 为搜索查询添加过滤条件，缩小搜索范围。
• 重新排序： 在搜索结果中添加重新排序以提高精确性。
• 媒体搜索： 使用 nearImage 和 nearVideo 操作符进行图片和视频搜索。
• 分类： 了解使用 KNN 和零样本分类的方法。
• 多租户： 为不同租户存储独立分片，实现数据完全隔离。
• 产品量化： 压缩向量嵌入，减少内存占用。
• 评估： 评估您的搜索系统。
• CRUD API： 学习如何使用 Weaviate 的创建、读取、更新和删除 API。
• 生成式反馈循环： 将语言模型输出写回数据库。

反馈与参与 ❓

Weaviate Recipes 是一个持续更新的项目，团队欢迎所有相关建议和贡献。如果用户希望增加新的功能或者修改现有功能，可以通过创建 GitHub 问题的方式进行反馈，或者直接贡献代码。

这个项目为开发者和数据科学家提供了广阔的探索空间和实用工具，帮助他们在 Weaviate 平台上实现丰富的创新应用。