描述
PostgresML 通过将机器学习功能直接嵌入到您的 PostgreSQL 数据库中，提供了一种简化的 AI 应用程序开发方法。这消除了对复杂微服务架构的需求，例如独立的向量数据库、嵌入模型和 LLM 框架，从而降低了运营开销和潜在的生产中断。
阅读更多
该平台使开发人员能够利用熟悉的 SQL 环境轻松构建 AI 驱动的应用程序。关键功能包括索引、过滤和重新排序向量嵌入，速度比传统方法快 10 倍，支持使用 HNSW 或 IVFFlat 索引进行快速 KNN 和 ANN 搜索。它还提供使用一系列最先进的模型生成嵌入的功能，并附带用于文本拆分和分块的内置数据预处理器。
PostgresML 支持数据和计算的共置，允许您在单台机器上嵌入、服务和存储 TB 级数据，同时确保内置的数据隐私和安全。此外，它还支持训练、调整和部署各种 ML 模型，包括回归、分类和聚类，以及在您自己的数据上微调 LLM。用户还可以监控模型随时间的部署情况。
该平台与 Mistral 和 Llama 等开源 LLM 无缝集成，支持一系列 NLP 任务，并使用相同的基础设施来服务模型。它提供了一个全面的平台，具有多种部署选项，并通过 SQL 或 JavaScript 和 Python 的 SDK 支持 AI 和机器学习任务。这种集成方法带来了更好的价格性能，因为它取代了多个现有工具并最大限度地降低了运营成本。
PostgresML 专为熟悉 PostgreSQL 并希望在没有陡峭学习曲线或分散系统管理开销的情况下集成高级 AI 和 ML 功能的工程师和开发人员而设计。它解决了常见的痛点，如微服务混乱、效率低下以及跨多个系统的数据暴露过多，提供了一种更安全、更稳定和更私密的解决方案。
- 类别向量数据库与检索
- 定价模式按使用的模型按需付费
- 部署云端
- 平台网页版
PostgresML的核心功能
数据库内机器学习和 AI 功能
向量索引、过滤和重新排序
用于嵌入的快速 KNN 和 ANN 搜索
支持 HNSW 和 IVFFlat 索引
使用最先进的模型生成文本嵌入
用于文本拆分和分块的内置数据预处理器
数据和计算的共置，用于嵌入、服务和存储
支持单台机器上的 TB 级数据
内置数据隐私和安全功能
ML 模型（回归、分类、聚类）的训练、调整和部署
在自定义数据上微调 LLM
模型部署监控
与开源 LLM（Mistral、Llama）集成
支持 SQL、JavaScript 和 Python SDK
简化的 AI 堆栈，降低微服务复杂性
如何使用 PostgresML？
配置：在您的 PostgreSQL 数据库中设置 PostgresML。
生成嵌入：使用内置模型或集成您自己的模型将文本数据转换为向量嵌入。
索引向量：高效地索引您的嵌入以进行快速检索。
执行 ML 任务：使用集成模型执行文本生成、摘要或翻译等任务。
部署模型：直接在数据库中训练、调整和部署自定义机器学习模型。
集成：利用 Python 和 JavaScript 的 SQL 或 SDK 构建 AI 驱动的应用程序。
PostgresML的使用案例
- RAG 聊天机器人
- 实时 AI 输出
- 嵌入生成
- 数据分析与洞察
- NLP 任务
- 自定义模型部署
- 简化的 AI 堆栈
