大语言模型正在与企业应用迅速结合，并深刻改变企业的各个产业环节。而大模型训练所使用的数据包含了如文档、图片、音视频等各种类型的非结构化数据，传统关系型数据库能力有限。通过将这些非结构化数据转换为多维向量，可以结构化地在向量数据库中进行管理，实现高效的数据存储和检索过程，结合相似性检索特性，可以有效地解决大模型在知识时效性低、输入能力有限、准确度低等问题。
星环科技TranswarpHippo作为一款企业级云原生分布式向量数据库，自发布以来受到了众多用户的欢迎，帮助用户实现向量数据的存储、管理和检索，加速大模型场景的探索和实践。为了进一步降低用户使用向量数据库的门槛和成本，Hippo推出CommunityEdition社区版，单机即可安装部署，开箱即用，并支持多种接口、向量/标量数据实时更新，以及多种向量检索，帮助用户低成本、快速地进行大模型场景的探索，如构建知识库、智能问答机器人等。
极简资源，极速安装
Hippo社区版仅需单台服务器即可安装部署，百万级向量数据量推荐配置仅需4核8G。all-in-one全内置设计，做到开箱即用，整个安装过程最快仅需3分钟，即可上手体验。
Hippo安装流程
Hippo社区版安装教程
多种接口、多种检索，简单易用
Hippo社区版提供标准的Python、Restful、JavaAPI等接口，可轻松对接各类应用和模型，提高应用开发和调用的效率。同时，提供类SQL接口，满足入库等特定场景，大幅降低使用和操作的难度。
Hippo社区版支持树索引和位图索引，支持向量topk搜索、向量/标量混合搜索和向量相似度过滤，可满足多种不同的检索场景。
简单3步，快速搭建私有知识库
基于Hippo社区版，用户可快速搭建私有知识库。
第一步：安装向量数据库Hippo社区版、embedding model，并验证;
第二步：知识入库，将语料文档通过embedding model转化为向量，存储到Hippo中;
第三步：调用大模型，并测试连通性。
基于以上3步，即可开始智能问答。
当用户发起提问时，运转流程如下：
* 向量转化并检索，通过embedding model将用户问题转化为向量，并作为Hippo的查询条件进行查询;
* 构建prompt，将检索信息与用户问题进行拼接构造prompt，作为大模型的输入;
* 大模型回答，大模型使用基础能力并结合检索信息完成对用户问题的回答。
基于Hippo构建知识库的演示Demo
了解更多信息，请访问星环科技向量数据库Transwarp Hippo官网或星环开发者社区。
本文链接：http://www.28at.com/showinfo-16-8117-0.html星环科技向量数据库Hippo社区版来啦：极简资源、极速安装，大模型场景DIY快速体验！
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号
