txtai - base de données d’embeddings tout-en-un pour la recherche sémantique, l’orchestration de LLM et les workflows de modèles de langage

• La base de données d’embeddings combine des index vectoriels (sparse et denses), des réseaux de graphes et une base de données relationnelle
  • Cela permet la recherche vectorielle via SQL, la modélisation de sujets, la génération augmentée par récupération (RAG), etc.
  • Elle peut être utilisée de manière autonome ou comme source de connaissances puissante pour les prompts de grands modèles de langage (LLM)
• Fonctionnalités de txtai
  • Recherche vectorielle via SQL, stockage d’objets, modélisation de sujets, analyse de graphes et indexation multimodale
  • Création d’embeddings pour le texte, les documents, l’audio, les images et la vidéo
  • Pipelines basés sur des modèles de langage pour exécuter des prompts LLM, des questions-réponses, le labellisation, la transcription, la traduction, le résumé, etc.
  • Workflows permettant de chaîner les pipelines et d’agréger la logique métier
    • Les processus txtai peuvent être de simples microservices ou des workflows multi-modèles
  • Construction en Python ou YAML
    • API bindings disponibles pour JavaScript, Java, Rust et Go
  • Exécution en local ou montée en charge via orchestration de conteneurs