原站网页截图，页面可能随时间更新。
- 分类：AI 搜索
- 名称：The AI database developers love Weaviate
- 来源：weaviate.io
Weaviate 将向量存储、检索、嵌入生成和自然语言查询集中在同一平台中，帮助开发者围绕自有数据构建搜索、RAG、智能代理及个性化 AI 体验。它支持开源使用，并可在不同部署环境中运行。
核心能力
平台的基础是向量数据库，可存储、建立索引并搜索高维向量，用于语义搜索、RAG 和智能代理。它还支持从文本、图像等内容生成向量，减少单独搭建嵌入处理流程的需要。
Query Agent 允许用户用自然语言提问，并自动将意图转换为数据库查询。Engram 则用于创建能够随用户使用过程逐步适应的个性化 AI 体验。
适用任务
如果任务需要从大量内容中寻找语义相关信息，Weaviate 可用于纯向量搜索、语义搜索以及关键词与向量结合的混合搜索。例如，围绕支持工单、知识内容或其他业务数据，可以根据自然语言描述定位相关记录。
对于需要让模型结合外部资料回答问题的应用，可将它作为 RAG 的数据检索基础；对于需要根据用户长期使用情况调整体验的产品，则可考虑使用其个性化能力。
使用思路
通常可以先创建集群和数据集合，再将业务数据写入平台并生成相应向量。之后根据任务选择向量检索、语义检索或混合检索，并设置需要返回的结果数量。
开发者可以通过 Python、Go、TypeScript 或 JavaScript 的 SDK 接入，也可以使用 GraphQL 或 REST API。完成检索后，再将结果连接到语言模型或其他应用流程中，形成问答、搜索或代理功能。
部署与生产使用
平台强调从开发到生产的连续使用场景，提供嵌入生成、排序和自动扩展等能力，并支持云端或自有环境部署。其面向企业的能力包括多租户、可观测性、高可用、访问控制以及安全与治理相关支持。
当应用需要服务不同用户或组织时，可以结合多租户机制隔离数据；当数据规模或访问负载增长时，则应根据实际工作负载规划索引、部署方式和资源配置。
常见问题
Weaviate 可以用于哪些类型的 AI 应用？
它可用于语义搜索、RAG、智能代理以及个性化 AI 体验，也可以作为这些应用的数据检索与向量存储基础。
是否必须单独搭建嵌入生成流程？
不一定。Weaviate 提供从文本、图像等内容生成向量的能力，因此部分场景可以直接使用其内置能力。
如何接入 Weaviate？
可以使用 Python、Go、TypeScript 或 JavaScript SDK，也可以通过 GraphQL 或 REST API 连接。