JamAIBase

ฐานจาดี

เคล็ดลับ

สำรวจเอกสารของเรา

ภาพรวม

Jamai Base เป็นแพลตฟอร์มแบ็กเอนด์ RAG แบบโอเพนซอร์ส มันมี LLM ในตัว, การฝังตัวของเวกเตอร์และ orchestration และการจัดการ Reranker และการจัดการทั้งหมดที่สามารถเข้าถึงได้ผ่าน UI ที่สะดวกสบายใช้งานง่ายและสเปรดชีตและ API REST อย่างง่าย

คุณสมบัติที่สำคัญ

• ฐานข้อมูลฝังตัว (SQLite) และฐานข้อมูลเวกเตอร์ (LENCADB)
• ความสามารถในการจัดการหน่วยความจำและผ้าขี้ริ้ว
• LLM ในตัว, เวกเตอร์ฝังตัวและ rearanker orchestration
• UI เหมือนสเปรดชีตที่ใช้งานง่าย
• REST Simple API

ตารางกำเนิด

แปลงตารางฐานข้อมูลแบบคงที่เป็นเอนทิตีแบบไดนามิกที่ปรับปรุงแล้ว

• การสร้างข้อมูลแบบไดนามิก : เติมคอลัมน์โดยอัตโนมัติด้วยข้อมูลที่เกี่ยวข้องที่สร้างโดย LLMS
• จุดสิ้นสุด REST API ในตัว : ปรับปรุงกระบวนการรวมความสามารถของ AI เข้ากับแอปพลิเคชัน

ตารางการดำเนินการ

อำนวยความสะดวกในการโต้ตอบแบบเรียลไทม์ระหว่างส่วนหน้าแอปพลิเคชันและแบ็กเอนด์ LLM

• การตอบสนองแบบเรียลไทม์ : ให้เลเยอร์การโต้ตอบ AI ที่ตอบสนองต่อแอปพลิเคชัน
• การจัดการแบ็กเอนด์อัตโนมัติ : กำจัดความจำเป็นในการจัดการแบ็คเอนด์ด้วยตนเองของอินพุตและเอาต์พุตของผู้ใช้
• การประสานงานเวิร์กโฟลว์ที่ซับซ้อน : เปิดใช้งานการสร้างเวิร์กโฟลว์ LLM ที่ซับซ้อน

ตารางความรู้

ทำหน้าที่เป็นที่เก็บข้อมูลสำหรับข้อมูลและเอกสารที่มีโครงสร้างเพิ่มความเข้าใจตามบริบทของ LLM

• ฉากหลังบริบทที่สมบูรณ์ : จัดเตรียมฉากหลังตามบริบทที่หลากหลายสำหรับการดำเนินการ LLM
• การดึงข้อมูลที่ได้รับการปรับปรุง : สนับสนุนตารางการกำเนิดอื่น ๆ โดยการจัดหาข้อมูลบริบทที่มีโครงสร้างโดยละเอียด
• การจัดการเอกสารที่มีประสิทธิภาพ : เปิดใช้งานการอัปโหลดและการซิงโครไนซ์ของเอกสารและข้อมูล

ตารางแชท

ลดความซับซ้อนของการสร้างและการจัดการแอปพลิเคชัน chatbot อัจฉริยะ

• การพัฒนา chatbot อัจฉริยะ : ลดความซับซ้อนของการพัฒนาและการจัดการการดำเนินงานของ chatbots
• การโต้ตอบที่ตระหนักถึงบริบท : เพิ่มการมีส่วนร่วมของผู้ใช้ผ่านการโต้ตอบที่ชาญฉลาดและรับรู้บริบท
• การบูรณาการไร้รอยต่อ : รวมเข้ากับ Generation Retrieval-Augmented (RAG) เพื่อใช้เนื้อหาจากตารางความรู้ใด ๆ

การรวม lancedb

การจัดการที่มีประสิทธิภาพและการสืบค้นข้อมูลหลายรูปแบบขนาดใหญ่

• การจัดการข้อมูลที่ได้รับการปรับปรุง : จัดเก็บจัดการสอบถามและดึงข้อมูลการฝังตัวบนข้อมูลหลายรูปแบบขนาดใหญ่ได้อย่างมีประสิทธิภาพ
• ความสามารถในการปรับขนาด : ตรวจสอบประสิทธิภาพที่ดีที่สุดและความสามารถในการปรับขนาดได้อย่างราบรื่น

กระบวนทัศน์ที่ประกาศ

มุ่งเน้นไปที่การกำหนด "สิ่งที่" คุณต้องการบรรลุมากกว่า "วิธีการ" เพื่อให้บรรลุ

• การพัฒนาที่ง่ายขึ้น : อนุญาตให้ผู้ใช้กำหนดความสัมพันธ์และผลลัพธ์ที่ต้องการ
• วิธีการที่ไม่ใช่ขั้นตอน : ขจัดความจำเป็นในการเขียนขั้นตอน
• ความยืดหยุ่นในการใช้งาน : รองรับการเขียนโปรแกรมการทำงานผ่าน LLMS

ประโยชน์หลัก

ใช้งานง่าย

• อินเทอร์เฟซ : อินเทอร์เฟซสเปรดชีตที่ใช้งานง่าย
• โฟกัส : กำหนดข้อกำหนดข้อมูลผ่านการแจ้งภาษาธรรมชาติ

ความยืดหยุ่น

• มูลนิธิ : สร้างขึ้นบน LancedB ฐานข้อมูลเวกเตอร์โอเพ่นซอร์สที่ออกแบบมาสำหรับเวิร์กโหลด AI
• ประสิทธิภาพ : การออกแบบแบบไม่มีเซิร์ฟเวอร์ช่วยให้มั่นใจได้ถึงประสิทธิภาพที่ดีที่สุดและความยืดหยุ่นที่ราบรื่น

ความยืดหยุ่น

• การสนับสนุน LLM : รองรับ LLM ใด ๆ รวมถึง OpenAI GPT-4, มานุษยวิทยา Claude 3 และ Meta Llama3
• ความสามารถ : ใช้ประโยชน์จากความสามารถของ AI ที่ทันสมัยอย่างง่ายดาย

กระบวนทัศน์ที่ประกาศ

• แนวทาง : กำหนด "อะไร" มากกว่า "อย่างไร"
• การทำให้เข้าใจง่าย : ลดความซับซ้อนของการดำเนินการข้อมูลที่ซับซ้อนทำให้ผู้ใช้สามารถเข้าถึงได้ด้วยระดับความเชี่ยวชาญด้านเทคนิคที่แตกต่างกัน

เทคนิคผ้าขี้ริ้วที่เป็นนวัตกรรม

• RAG อย่างง่ายดาย : คุณสมบัติผ้าขี้ริ้วในตัวไม่จำเป็นต้องสร้างท่อส่งเศษผ้าด้วยตัวคุณเอง
• Query rewriting : เพิ่มความแม่นยำและความเกี่ยวข้องของคำค้นหาการค้นหาของคุณ
• การค้นหาแบบไฮบริดและการเรียกใช้ใหม่ : รวมการค้นหาตามคำหลักการค้นหาที่มีโครงสร้างและการค้นหาเวกเตอร์เพื่อผลลัพธ์ที่ดีที่สุด
• การจัดการเนื้อหา RAG ที่มีโครงสร้าง : จัดระเบียบและจัดการเนื้อหาที่มีโครงสร้างของคุณได้อย่างราบรื่น
• Adaptive Chunking : กำหนดวิธีที่ดีที่สุดในการบันทึกข้อมูลของคุณโดยอัตโนมัติ
• BGE M3-embedding : ใช้ประโยชน์จากการฝังข้อความหลายภาษาหลายภาษาและหลายเส้นฟรี

เริ่มต้น

ตัวเลือกที่ 1: ใช้เมฆฐาน Jamai

ลงทะเบียนสำหรับบัญชีฟรี! เราพูดถึงว่าคุณสามารถรับโทเค็น LLM ฟรีได้หรือไม่?

ตัวเลือกที่ 2: เปิดใช้บริการโฮสต์ตนเอง

ทำตามคำแนะนำทีละขั้นตอนของเรา

สำรวจเอกสาร:

• เอกสาร SDK และแพลตฟอร์ม
• เอกสาร API
• การเปลี่ยนแปลง
• การกำหนดเวอร์ชัน

ตัวอย่าง

ต้องการลองสร้างแอพด้วยฐาน Jamai หรือไม่? เรามีตัวอย่างที่ยอดเยี่ยมเพื่อให้คุณเริ่มต้น! ตรวจสอบเอกสารตัวอย่างของเราเพื่อหาแรงบันดาลใจ

นี่คือตัวอย่างส่วนหน้าเย็นสองสามตัวอย่าง:

1. Simple Chatbot Bot โดยใช้ NLUX: สร้าง chatbot พื้นฐานโดยไม่ต้องตั้งค่าแบ็กเอนด์ เป็นวิธีที่ยอดเยี่ยมในการจุ่มนิ้วเท้าของคุณ!
2. Simple Chatbot Bot โดยใช้ Nlux + Express.js: ทำตามขั้นตอนต่อไปและเพิ่มพลังแบ็กเอนด์ด้วย Express.js
3. Simple Chatbot Bot โดยใช้ Streamlit: คุณเป็น Python Dev หรือไม่? เช็คเอาต์การสาธิตแบบสตรีมนี้!

แจ้งให้เราทราบหากคุณมีคำถามใด ๆ - เราอยู่ที่นี่เพื่อช่วย! การเข้ารหัสมีความสุข! -

ชุมชนและการสนับสนุน

เข้าร่วมชุมชนนักพัฒนาที่มีชีวิตชีวาของเราสำหรับเอกสารที่ครอบคลุมบทเรียนและทรัพยากร:

• Discord : เข้าร่วม Discord ของเรา
• GitHub : เป็นที่เก็บ GitHub ของเรา

การบริจาค

เรายินดีต้อนรับผลงาน! โปรดอ่านคู่มือการสนับสนุนของเราเพื่อเริ่มต้น

ใบอนุญาต

โครงการนี้เปิดตัวภายใต้ใบอนุญาต Apache 2.0 - ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

ติดต่อ

ติดตามเราบน X และ LinkedIn สำหรับการอัปเดตและข่าวสาร