向量库

FightingITPanda

Spring AI 搭建 RAG 个人知识库现在大家对AI大模型又爱又恨，大模型统一的痛点 1、幻觉率比较高，它会无中生有 2、数据有延迟，比如豆包和DeepSeek训练数据只更新到2023 3、大模型没有内部数据，比如公司业务数据或个人数据大模型是拿不到的

基于pypdf和chromadb构建向量库前面在langgraph构建智能RAG中加载文档和分块入库使用的均是langchain自带的组件，本文使用纯粹的python库实现同样的功能。本文将使用pypdf和chromadb库。

乔公子搬砖

构建企业级RAG系统：基于Milvus的模块化实现与全流程解析

向量库Qdrant vs Milvus 系统详细对比

疯狂SQL转换系列- SQL for Milvs2.4鉴于Milvus仍在不停的迭代新版本，推出新功能，其SDK目前并不稳定。目前其2.4版本的SDK接口已与之前的2.2版本有了较大的差别，功能上也有了一定的调整。为此，我们重新提供了针对[Milvus2.4](https://github.com/colorknight/moql-transx/tree/master/moql-querier-milvus2.4)版本的语法转换功能。由于Milvus文档有些内容写的不是特别详实，亦或时间仓促，我们没有正确理解其功能含义，转换工作可能存在一些问题，还请发现问题

【大模型-向量库】详解向量库管理：连接管理、集合管理、向量管理在向量数据库（Vector Database）中，向量库管理的概念是非常重要的，因为它涉及到如何高效地存储、索引和检索大规模的向量数据。向量库管理通常包括三个主要方面：连接管理、集合管理和向量管理。以下是对这三者的详细解释：

2.1 HuggingFists系统架构(二)上图为HuggingFists的部署架构。从架构图可知，HuggingFists主要分为服务器(Server)、计算节点(Node)以及数据库(Storage)三部分。这三部分可以分别部署在不同的机器上，以满足系统的性能需求。为部署方便，HuggingFists社区版将这三部分集成在了一起，缺省情况下只提供了一个计算节点(Node)。

我是有底线的