使用场景

使用Korvus进行大规模文本数据的快速检索和生成。

集成到现有应用程序中，通过单一查询实现复杂的文本处理和搜索功能。

在数据分析和机器学习项目中，使用Korvus进行高效的数据检索和模型训练。

产品特色

Postgres-Native RAG：直接在数据库中执行复杂的RAG操作，无需外部服务和API调用。

Single Query Efficiency：整个RAG流程，从嵌入生成到文本生成，都在一个SQL查询中执行。

Scalability and Performance：基于Postgres构建，继承了其优秀的可扩展性和性能特性。

Simplified Architecture：用单一强大的查询替代复杂的服务导向架构。

High Performance：消除API调用和数据移动，实现更快的处理和更高的可靠性。

Open Source：开源软件和模型，提供本地Docker运行体验。

Multi-Language Support：支持Python、JavaScript和Rust等多种编程语言。

Unified Pipeline：在一个查询中结合嵌入生成、向量搜索、重排和文本生成。

使用教程

1. 设置Postgres数据库，并安装pgml和pgvector扩展。

2. 设置KORVUS_DATABASE_URL环境变量，指向你的数据库连接字符串。

3. 初始化Collection和Pipeline，配置所需的文本处理和搜索模型。

4. 插入文档到Collection中，为搜索和生成操作提供数据。

5. 执行RAG查询，结合向量搜索和文本生成，获取所需的结果。

6. 根据需要调整和优化查询，利用Postgres的查询优化能力。