demo ai app

❍ 电影演示

使用 Ion 构建的示例电影应用程序演示如何使用您的数据在应用程序中使用 AI — movie.sst.dev

此应用程序中的电影数据库包含大约 700 部热门电影。您可以搜索它们，查看相关电影，有些电影还带有标签。

关于

迄今为止，大多数人工智能演示都包含某种形式的聊天。虽然这很有用，但它并不适用于大多数应用程序。它还涉及将数据存储在基础设施之外。

该演示展示了如何以对用户有意义的方式在基础设施中使用 AI 相关功能。

人工智能

以下 AI 功能由我们新的 Vector 组件提供支持。

1. 标签— 根据更具描述性且包含更多上下文的文本对数据进行分类
2. 相关— 在数据库中查找语义相似的数据
3. 搜索- 使用自然语言深度搜索您的数据和图像
4. 搜索图像- 深入搜索您的数据，包括图像

向量分量

Vector 组件基于 Amazon Bedrock，它公开了一些函数，使您可以轻松地将 AI 与数据结合使用。

• ingest ：这需要一些文本，使用给定模型生成嵌入，并将其存储在由 RDS 提供支持的矢量数据库中。还需要一些元数据来标记数据。
• retrieve ：接受提示和可选的要过滤的元数据。返回分数为 0 - 1 的匹配结果。

型号

目前，可以使用titan-embed-text-v1 、 titan-embed-image-v1和text-embedding-ada-002生成嵌入。

离子

❍ Ion 是 SST 的实验性新引擎，与我们之前基于 CDK 的引擎相比，具有一些独特的优势。以下是您可以在此存储库中看到的一些实际操作：

1. 部署速度快很多，快了 10 倍
2. 没有堆栈或堆栈限制
3. 您的资源中没有循环依赖问题
4. 访问 Next.js 中的链接资源不需要顶级等待
5. 具有链接资源的 Next.js 14 按顺序部署，不需要双重部署
6. Next.js 应用程序可以访问链接的资源，无需sst bind next build

它是如何运作的

该演示的工作原理是从 IMDB 获取电影数据、生成嵌入并将其存储在 Vector 数据库中。然后，Next.js 应用程序从 Vector 数据库检索数据。

示例应用程序由sst.config.ts中定义的4 个简单组件组成：

1. 用于存储电影的 DynamoDB 表
2. 用于存储海报的 S3 存储桶
3. 用于存储嵌入的 Vector 数据库
4. Next.js 应用程序

---

在 Discord 上加入 SST 社区并在 Twitter 上关注我们。