Ich habe Vectara ausgewählt, um die Suche auf docs.qumulo.com zu betreiben, nachdem ich eine Reihe anderer KI-Suchlösungen untersucht hatte. Die Technologie ist jetzt direkt in das Qumulo-Dokumentationsportal integriert – zusätzlich zu anderen Qumulo-Websites – und durchsucht jeden dort veröffentlichten Leitfaden.
Die Funktion, die neben Listen auch Zusammenfassungen erstellt, ist besonders nützlich. Im Vergleich zur vorherigen, schlüsselwortbasierten Suchlösung, die wir hatten, bietet Vectara einen völlig neuen Ansatz, um Informationen über die Bereitstellung und Konfiguration von Qumulo Core zu finden.
Vectara ist ein sehr spannendes Werkzeug mit unglaublichem Potenzial, und ich mag die Tatsache, dass jedes Mal, wenn ich feststecke oder auf ein Problem mit GitHub-Repositories wie `vectara-ingest` oder `vectara-answer` stoße, immer ein leitender Ingenieur da ist, um ein eingereichtes GitHub-Problem zu lösen, Beispielcode bereitzustellen oder den vorhandenen Code im Repository anzupassen – bisher war jeder sehr reaktionsschnell.
Ich mag die Tatsache, dass Vectara mich nicht dazu zwingt, in ein Ökosystem wie AWS, Azure oder GCP einzusteigen. Alle Ressourcen, die Vectara nutzt, werden von Vectara verwaltet, was eine Anbieterbindung vermeidet und auch alle infrastrukturellen Probleme von der praktischen Bereitstellung und Konfiguration, die der Administrator durchführt, abstrahiert. Bewertung gesammelt von und auf G2.com gehostet.
Vectara hat eine sehr steile Lernkurve für jemanden, der nicht von Beruf Programmierer ist, und obwohl ich mit einer Vielzahl von Entwicklungs-Frameworks und -Tools mäßig versiert bin, bin ich ein Dokumentarist, kein Entwickler, was bedeutet, dass ich eine schlüsselfertige Lösung bevorzuge: etwas, das in nicht mehr als 2-3 Tagen insgesamt bereitgestellt, konfiguriert und angepasst werden kann. Dies ist nicht unbedingt ein ernstes Problem – während Vectara wächst und ihr Angebot entwickelt, werden sie eine viel bessere Definition für die Hauptnutzer-Personas haben.
Das Folgende mag wie ein seltsames Anliegen erscheinen, aber Vectara bietet derzeit viel zu viele Beispiele und Szenarien an, anstatt Lösungen für die häufigsten Anwendungsfälle zu bieten. Um diese Lücke vorerst zu schließen, empfehle ich die Erstellung eines narrensicheren, umfassenden Einstiegsleitfadens, der dem Benutzer alles bietet, was er benötigt, um KI-Suche für das häufigste Szenario zu implementieren: eine Website auf einer Domain (example.com) oder Subdomain (docs.example.com), die über eine Sitemap verfügt.
Derzeit scheinen die Modelle von Vectara hauptsächlich auf unterschiedlich konfigurierten Varianten von OpenAI's ChatGPT-3.5 und ChatGPT-4 zu basieren. Es scheint, dass die Verwendung der neuesten KI-Engines die Abfragen von Vectara verlangsamt. Während ich sicher bin, dass die Feinabstimmung der Eingabeaufforderungen und Anpassungen, die den Modellen gegeben werden, in Kürze verbessert werden, könnte es schön sein, eine Vielzahl von Engines zu kombinieren, insbesondere für die Zusammenfassungen. Bewertung gesammelt von und auf G2.com gehostet.
Bestätigt durch ein Geschäftsemail-Konto
Organische Bewertung. Diese Bewertung wurde vollständig ohne Einladung oder Anreiz von G2, einem Verkäufer oder einem Partnerunternehmen verfasst.
Diese Bewertung wurde aus English mit KI übersetzt.
