Elegir un almacén de vectores para un experimento GAR
Antes de ejecutar un experimento de generación aumentada por recuperación en AutoAI, debe elegir una base de datos vectorial para almacenar y recuperar datos.
Para los experimentos RAG de AutoAI, puede elegir entre dos opciones de almacén de vectores:
- Base de datos Chroma en memoria
- Base de datos Milvus
Base de datos de vectores cromáticos
Un almacén vectorial Chroma en memoria almacena los datos en la RAM de tu ordenador. El índice de documentos vectorizados es rápido para consultar y recuperar datos. Debido a las limitaciones de memoria, la base de datos en memoria está pensada para conjuntos de datos de tamaño pequeño o mediano.
Si no se especifica una conexión a un almacén de vectores, el contenido vectorizado se guarda en la base de datos Chroma en memoria por defecto. El contenido no persiste más allá del experimento, por lo que la opción Chroma no es un método de producción viable para desplegar un patrón RAG.
Milvus base de datos vectorial
La base de datos Milvus vector store tiene una arquitectura escalable y distribuida. Ofrece un alto rendimiento en la recuperación de datos cuando tiene una indexación optimizada y admite muchos algoritmos de indexación y métricas de distancia. Está pensada para grandes conjuntos de datos y es más duradera que una base de datos Chroma.
El contenido vectorizado persiste para futuros patrones. Para más detalles, consulte Trabajar con Milvus.
Si utiliza Milvus en una solución codificada, familiarícese con las reglas para las convenciones de nomenclatura y el esquema de la base de datos:
- Los nombres de las colecciones utilizan este formato
autoai_rag_a0b1c2d3_ymdHMS>donde y-año, m-mes, d-día, H-horas, M-minuto, S-segundo. - Una base de datos Milvus utiliza este esquema:
| Campo | Tipo |
|---|---|
| document_id | VarChar |
| inicio_índice | Int64 |
| Sequence_Number | Int64 |
| Texto | VarChar |
| PK | Int64 |
| vector | FloatVector |
Próximos pasos
Siga la ruta rápida para automatizar la búsqueda de un patrón RAG
Tema principal: Creación de experimentos RAG con AutoAI