Redis for AI 文档
Redis 用于 AI 文档的概述
Redis 存储和索引语义上表示非结构化数据的向量嵌入，包括文本段落、图像、视频或音频。将向量和相关的元数据存储在 hashes 或 JSON 文档中，以便进行 indexing 和 querying。
| 向量 | RAG | RedisVL |
|---|---|---|
Redis 向量数据库快速入门指南 |
检索增强生成快速入门指南 |
Redis 向量 Python 客户端库文档 |
概述
- 创建向量索引: Redis 根据定义的架构（包括向量字段和元数据）维护数据的二级索引。Redis 支持
FLAT和HNSW向量索引类型。 - 存储和更新向量: Redis 将向量和元数据存储在哈希或 JSON 对象中。
- 使用向量搜索: Redis 支持多种高级查询策略，包括向量字段的 k-近邻 (KNN)、向量范围查询 和 元数据过滤器。
- 在运行时配置向量查询。选择最佳过滤模式以优化查询执行。
概念
学习如何在您的AI/ML项目中执行向量搜索并使用网关和语义缓存。
| 搜索 | AI网关 | 语义缓存 |
|---|---|---|
向量搜索指南 |
使用Redis部署增强型网关 |
语义缓存以加速、智能化LLM应用 |
生态系统集成
- Amazon Bedrock 设置指南
- LangChain Redis 包：通过高级向量存储和更快的缓存实现更智能的 AI 应用)
- Redis Cloud 可在 Vercel 上使用
- 使用Vercel集成创建一个Redis Cloud数据库
- 使用Redis和Spring AI构建RAG应用程序
- 使用Redis和NVIDIA NIM更快地部署GenAI应用程序
- 使用Kernel Memory和Redis构建LLM应用程序
示例
开始使用以下Redis Python笔记本。
混合和向量搜索
RAG
- 使用Redis向量库从头开始RAG
- 使用Redis和LangChain的RAG
- 使用Redis和LlamaIndex的RAG
- 使用redisvl的高级RAG
- RAG using Redis and Nvidia
- 利用RAGAS框架评估RAG性能
- Notebook for additional tips and techniques to improve RAG quality