JamAIBase

Pangkalan Jamai

Tip

Jelajahi dokumen kami

Ringkasan

Jamai Base adalah platform backend Rag Open-Source (Retrieval-Augmmented Generation) yang mengintegrasikan database tertanam (SQLITE) dan database vektor tertanam (LANCEDB) dengan kemampuan memori dan kain yang dikelola. Ini fitur LLM bawaan, embeddings vektor, dan orkestrasi dan manajemen reranker, semuanya dapat diakses melalui UI yang nyaman, intuitif, seperti spreadsheet dan API istirahat sederhana.

Fitur utama

• Database Tertanam (SQLite) dan Vector Database (LANCEDB)
• Kemampuan memori dan kain yang dikelola
• LLM bawaan, embeddings vektor, dan orkestrasi rahanker
• UI seperti spreadsheet intuitif
• API istirahat sederhana

Tabel Generatif

Mengubah tabel basis data statis menjadi entitas dinamis dan ditingkatkan AI.

• Pembuatan Data Dinamis : Secara otomatis mengisi kolom dengan data yang relevan yang dihasilkan oleh LLMS.
• Titik Akhir API REST Built-in : perampingkan proses mengintegrasikan kemampuan AI ke dalam aplikasi.

Tabel Aksi

Memfasilitasi interaksi real-time antara frontend aplikasi dan backend LLM.

• Responsif real-time : Menyediakan lapisan interaksi AI yang responsif untuk aplikasi.
• Manajemen Backend Otomatis : Menghilangkan kebutuhan untuk manajemen backend manual dari input dan output pengguna.
• Orkestrasi alur kerja yang kompleks : memungkinkan penciptaan alur kerja LLM yang canggih.

Tabel Pengetahuan

Bertindak sebagai repositori untuk data dan dokumen terstruktur, meningkatkan pemahaman kontekstual LLM.

• Latar belakang kontekstual yang kaya : memberikan latar belakang kontekstual yang kaya untuk operasi LLM.
• Peningkatan Pengambilan Data : Mendukung tabel generatif lainnya dengan menyediakan informasi kontekstual terstruktur yang terperinci.
• Manajemen dokumen yang efisien : Mengaktifkan pengunggahan dan sinkronisasi dokumen dan data.

Tabel obrolan

Sederhanakan pembuatan dan manajemen aplikasi chatbot cerdas.

• Pengembangan Chatbot Intelligent : Sederhanakan pengembangan dan manajemen operasional chatbots.
• Interaksi yang sadar konteks : Tingkatkan keterlibatan pengguna melalui interaksi yang cerdas dan sadar konteks.
• Integrasi yang mulus : Integrasi dengan Generasi Pengambilan-Pengambilan (RAG) untuk memanfaatkan konten dari tabel pengetahuan apa pun.

Integrasi Landedb

Manajemen dan permintaan yang efisien dari data multi-modal skala besar.

• Penanganan data yang dioptimalkan : Simpan, kelola, permintaan, dan ambil embeddings pada data multi-modal skala besar secara efisien.
• Skalabilitas : Pastikan kinerja yang optimal dan skalabilitas yang mulus.

Paradigma deklaratif

Fokus pada mendefinisikan "apa" yang ingin Anda capai daripada "bagaimana" untuk mencapainya.

• Pengembangan Sederhana : Izinkan pengguna untuk mendefinisikan hubungan dan hasil yang diinginkan.
• Pendekatan non-prosedural : menghilangkan kebutuhan untuk menulis prosedur.
• Fleksibilitas fungsional : Dukungan pemrograman fungsional melalui LLMS.

Manfaat utama

Kemudahan penggunaan

• Antarmuka : Antarmuka seperti spreadsheet yang sederhana dan intuitif.
• Fokus : Tentukan persyaratan data melalui petunjuk bahasa alami.

Skalabilitas

• Foundation : Built on Lancedb, database vektor sumber terbuka yang dirancang untuk beban kerja AI.
• Kinerja : Desain tanpa server memastikan kinerja yang optimal dan skalabilitas yang mulus.

Fleksibilitas

• Dukungan LLM : Mendukung LLM apa pun, termasuk OpenAI GPT-4, Anthropic Claude 3, dan Meta Llama3.
• Kemampuan : meningkatkan kemampuan AI canggih dengan mudah.

Paradigma deklaratif

• Pendekatan : Tentukan "apa" daripada "bagaimana."
• Penyederhanaan : Menyederhanakan operasi data yang kompleks, membuatnya dapat diakses oleh pengguna dengan berbagai tingkat keahlian teknis.

Teknik Rag Inovatif

• Rap mudah : fitur kain bawaan, tidak perlu membangun pipa kain sendiri.
• Query Reforing : Meningkatkan keakuratan dan relevansi pertanyaan pencarian Anda.
• Pencarian & Reranking Hybrid : Menggabungkan pencarian berbasis kata kunci, pencarian terstruktur, dan pencarian vektor untuk hasil terbaik.
• Manajemen Konten Rag Terstruktur : Mengatur dan mengelola konten terstruktur Anda dengan mulus.
• Chunking Adaptif : Secara otomatis menentukan cara terbaik untuk memotong data Anda.
• BGE M3-Embedding : Memanfaatkan embedding teks multi-lingual, multi-fungsional, dan multi-granular secara gratis.

Memulai

Opsi 1: Gunakan Jamai Base Cloud

Daftar untuk akun gratis! Apakah kami menyebutkan bahwa Anda bisa mendapatkan token LLM gratis?

Opsi 2: Luncurkan Layanan Self-Hosted

Ikuti panduan langkah demi langkah kami.

Jelajahi dokumentasi:

• Dokumentasi SDK dan platform
• Dokumentasi API
• Changelog
• Versi

Contoh

Ingin mencoba membangun aplikasi dengan pangkalan jamai? Kami punya beberapa contoh luar biasa untuk Anda mulai! Lihat contoh dokumen kami untuk inspirasi.

Berikut adalah beberapa contoh frontend keren:

1. Bot Chatbot Sederhana Menggunakan NLUX: Bangun chatbot dasar tanpa pengaturan backend. Ini cara yang bagus untuk mencelupkan jari kaki Anda!
2. Bot chatbot sederhana menggunakan NLUX + Express.js: Ambil langkah lebih jauh dan tambahkan beberapa kekuatan backend dengan Express.js.
3. Bot Chatbot Sederhana Menggunakan StreamLit: Apakah Anda seorang Python Dev? Lihat demo streamlit ini!

Beri tahu kami jika Anda memiliki pertanyaan - kami di sini untuk membantu! Happy Coding! ?

Komunitas dan dukungan

Bergabunglah dengan komunitas pengembang kami yang bersemangat untuk dokumentasi, tutorial, dan sumber daya yang komprehensif:

• Perselisihan : Bergabunglah dengan Perselisihan Kami
• GitHub : Bintang repositori github kami

Berkontribusi

Kami menyambut kontribusi! Baca panduan berkontribusi kami untuk memulai.

Lisensi

Proyek ini dirilis di bawah lisensi Apache 2.0. - Lihat file lisensi untuk detailnya.

Kontak

Ikuti kami di X dan LinkedIn untuk pembaruan dan berita.