Fonctionnalités de Weaviate

Permet le service de recherche sémantique en organisant les données.

Permet l’indexation des données pour la recherche et la récupération.

La fonctionnalité aide à filtrer les requêtes par métadonnées, ce qui permet d’obtenir une recherche précise.

Cette fonctionnalité intègre des vecteurs et des index de métadonnées dans un index unique.

Orchestre les étapes de récupération, de reréférencement et d'enrichissement dans les flux de travail RAG

Optimise la sélection des morceaux, l'assemblage du contexte et la mise en contexte spécifiquement pour la consommation par les LLM.

Permet un réglage avancé des stratégies de récupération lexicale, sémantique et réordonnée

Fournit des informations sur le comportement des requêtes, la qualité de la récupération et la performance de la pertinence.

Assurez la résilience grâce à la redondance, au basculement et aux mécanismes de récupération.

Gère les mises à jour d'intégration, le réindexage et les changements de version du modèle au fil du temps

Permet la recherche sémantique à travers du texte, des images, de l'audio ou de la vidéo en utilisant des embeddings

Permet aux équipes d'apporter leurs propres modèles d'intégration ou fournisseurs de LLM et de les changer sans réarchitecturer

Prend en charge les mises à jour d'index en quasi-temps réel lorsque les données sources changent

Enrichit le contenu en utilisant le découpage, l'inférence de métadonnées, l'extraction d'entités ou la ROC lors de l'indexation

Applique des autorisations au niveau du document, du champ ou des métadonnées lors de la récupération

Prend en charge les contrôles de données régionaux, les règles de rétention et la conformité réglementaire

Suit les requêtes, le contenu récupéré et les décisions d'accès pour la conformité et le débogage

Permet un contrôle précis du classement à l'aide de règles, de pondérations, de boucles de rétroaction ou de modèles d'apprentissage pour le classement.

Améliore la qualité de la récupération grâce à la réécriture de requêtes, l'expansion sémantique ou la détection d'intention.

Prend en charge des pipelines de récupération en plusieurs étapes où les candidats initiaux sont reclassés à l'aide d'approches basées sur l'apprentissage automatique ou les modèles de langage de grande taille (LLM).

Ajuste la récupération et le classement en fonction du contexte de l'utilisateur, du comportement ou des signaux au niveau de l'application.