Téléchargement de JamAIBase - Téléchargement du code source JamAIBase

JamAIBase

Autre code source

v0.3.1 (2024-11-26)

Télécharger

Base de Jamai

Conseil

Explorez nos documents

Aperçu

Jamai Base est une plate-forme backend de chiffon open source (récupération de la récupération) qui intègre une base de données intégrée (SQLite) et une base de données vectorielle intégrée (LancedB) avec des capacités de mémoire et de chiffon gérées. Il dispose de LLM intégrée, d'incorporation de vecteur et d'orchestration et de gestion de RERANKER, tous accessibles via une interface utilisateur pratique et intuitive de type table de calcul et une simple API REST.

Démo de base de Jamai

Caractéristiques clés

Base de données intégrée (SQLite) et base de données vectorielle (LancedB)
Capacités de mémoire et de chiffon gérés
LLM intégré, incorporations de vecteur et orchestration RERANKER
Ui de feuille de calcul intuitive
API de repos simple

Tables génératives

Transformez les tables de base de données statiques en entités dynamiques et améliorées.

Génération de données dynamiques : remplit automatiquement les colonnes avec des données pertinentes générées par LLMS.
Point de terminaison API REST intégré : rationalisez le processus d'intégration des capacités d'IA dans les applications.

Tables d'action

Faciliter les interactions en temps réel entre le frontage d'application et le backend LLM.

Réactivité en temps réel : fournir une couche d'interaction AI réactive pour les applications.
Gestion automatisée du backend : éliminer le besoin de gestion manuelle des entrées et sorties utilisateur.
Orchestration de workflow complexe : activer la création de workflows sophistiqués LLM.

Tables de connaissances

Agir comme des référentiels pour les données et les documents structurés, en améliorant la compréhension contextuelle du LLM.

Riche fond contextuel : fournir une toile de fond contextuelle riche pour les opérations LLM.
Renseignante améliorée des données : prendre en charge d'autres tables génératives en fournissant des informations contextuelles détaillées et structurées.
Gestion efficace des documents : activer le téléchargement et la synchronisation des documents et des données.

Tables de discussion

Simplifiez la création et la gestion des applications de chatbot intelligentes.

Développement intelligent du chatbot : simplifiez le développement et la gestion opérationnelle des chatbots.
Interactions contextuelles : Améliorer l'engagement des utilisateurs à travers des interactions intelligentes et consacrées au contexte.
Intégration transparente : intégrer à la génération (RAG) de la récupération (RAG) pour utiliser le contenu de tout tableau de connaissances.

Intégration LancedB

Gestion et interrogatoire efficaces des données multimodales à grande échelle.

Gestion des données optimisées : stockez, gérez, interrogez et récupérez efficacement les données multimodales à grande échelle.
Évolutivité : assurer des performances optimales et une évolutivité transparente.

Paradigme déclaratif

Concentrez-vous sur la définition de "ce que" vous voulez réaliser plutôt que "comment" l'atteindre.

Développement simplifié : permettez aux utilisateurs de définir les relations et les résultats souhaités.
Approche non procédurale : éliminer la nécessité d'écrire des procédures.
Flexibilité fonctionnelle : Soutenez la programmation fonctionnelle via LLMS.

Avantages clés

Facilité d'utilisation

Interface : interface de feuille de calcul simple et intuitive.
Focus : Définissez les exigences des données grâce à des invites en langage naturel.

Évolutivité

Fondation : Construit sur LancedB, une base de données vectorielle open source conçue pour les charges de travail de l'IA.
Performances : la conception sans serveur garantit des performances optimales et une évolutivité transparente.

Flexibilité

Support LLM : prend en charge tous les LLM, y compris Openai GPT-4, Anthropic Claude 3 et Meta Llama3.
Capacités : Tirez parti des capacités d'IA de pointe sans effort.

Paradigme déclaratif

Approche : définissez le "quoi" plutôt que le "comment".
Simplification : simplifie les opérations de données complexes, ce qui les rend accessibles aux utilisateurs ayant différents niveaux d'expertise technique.

Techniques de chiffon innovants

Ragles sans effort : fonctionnalités de chiffon intégrées, pas besoin de construire le pipeline de chiffon vous-même.
Réécriture de requête : stimule la précision et la pertinence de vos requêtes de recherche.
Recherche hybride et rediffusion : combine la recherche basée sur les mots clés, la recherche structurée et la recherche de vecteurs pour les meilleurs résultats.
Gestion structurée du contenu des chiffons : organise et gère votre contenu structuré de manière transparente.
Chunking adaptatif : détermine automatiquement la meilleure façon de chasser vos données.
BGE M3-Embedding : exploite gratuitement des intégres de texte multifonctionnels, multifonctionnels et multi-granulaires.

Commencer

Option 1: Utilisez le nuage de base Jamai

Inscrivez-vous à un compte gratuit! Avons-nous mentionné que vous pouvez obtenir des jetons LLM gratuits?

Option 2: Lancez les services auto-hébergés

Suivez notre guide étape par étape.

Explorez la documentation:

Documentation SDK et plate-forme
Documentation API
Changelog
Versioning

Exemples

Vous voulez essayer de créer des applications avec Jamai Base? Nous avons des exemples géniaux pour vous aider à démarrer! Consultez nos exemples de documents d'inspiration.

Voici quelques exemples de frontend cool:

Bot de chatbot simple à l'aide de Nlux: créez un chatbot de base sans aucune configuration backend. C'est un excellent moyen de plonger vos orteils!
Bot de chatbot simple utilisant Nlux + Express.js: avancez plus loin et ajoutez une puissance backend avec express.js.
Bot de chatbot simple utilisant Streamlit: Êtes-vous un Python Dev? Découvrez cette démo rationalisée!

Faites-nous savoir si vous avez des questions - nous sommes là pour vous aider! Codage heureux! ?