semaphore提示您：看后求收藏（新笔趣阁www.xbqg5200.com），接着再看更方便。
的用户界面，如图 4.2 与图 4.3 所示，使得开发者可以轻松
地创建索引、存储向量数据以及执行查询操作。
4.2.3 Weaviate
Weaviate 是一个向量搜索引擎数据库，它专注于连接和管理分散的数据，并通过语义链接来
解析和查询这些数据。它的主要功能包括语义搜索、数据链接和知识图谱构建。Weaviate 的关键
特性包括机器学习集成，支持多种相似度度量，如欧氏距离和余弦相似度，以及可扩展性。
Weaviate 的主要用途是帮助开发者构建智能应用程序，利用其强大的语义搜索和数据关联功能，
本章介绍了向量知识库在信息检索和数据管理中的具体优势，随后介绍了向量知识库的构建，是提取分割文本，嵌入向量，随后构成向量知识库。给出了 embedding 的原理以及给出了使用
embedding API 将数据变成向量的代码示意，经过向量化的数据，将其存入 Pipecone，后将数据
库与 Weaviate 相连，完成语义搜索、数据链接和知识图谱构建。
架，用于增强语言模型的性能，尤其适合于构建特定领域的专业大模型。这一技术通过从大规模知
识库检索相关信息，然后将这些信息融入生成过程中，来生成更准确、更丰富的响应。本节将详细
阐述如何使用 RA
