อาลีเปิดตัว Zvec: ฐานข้อมูลเวกเตอร์ต้อนรับการปฏิวัติแบบเบา AI เข้าสู่ยุคใหม่ของการพัฒนาแอปพลิเคชัน

อาลีบาบาเปิดตัวฐานข้อมูลเวกเตอร์ Zvec เป็นโอเพนซอร์ส

สำหรับผู้อ่านที่ไม่คุ้นเคยกับฐานข้อมูลเวกเตอร์ อธิบายง่ายๆ คือ มันถูกออกแบบมาเพื่อจัดเก็บและค้นหาข้อมูลเวกเตอร์โดยเฉพาะ มักใช้ในสถานการณ์ต่างๆ เช่น การค้นหาความคล้ายคลึง ระบบแนะนำ และแอปพลิเคชัน AI

ต่างจากฐานข้อมูลเวกเตอร์แบบดั้งเดิมที่ต้องติดตั้งแยกต่างหาก Zvec ทำงานภายในกระบวนการของแอปพลิเคชันโดยตรง ซึ่งหมายความว่าไม่จำเป็นต้องมีเซิร์ฟเวอร์เพิ่มเติม ไม่มีภาระในการกำหนดค่า และประหยัดค่าใช้จ่ายด้านโครงสร้างพื้นฐาน

Zvec สร้างขึ้นบนพื้นฐานของเครื่องมือค้นหาเวกเตอร์ Proxima ที่ใช้ภายในอาลีบาบามาอย่างยาวนาน ข้อมูลอย่างเป็นทางการระบุว่า มันสามารถค้นหาเวกเตอร์หลายพันล้านตัวได้ภายในมิลลิวินาที การติดตั้งเพียงใช้คำสั่ง pip install zvec และสามารถเริ่มใช้งานได้ภายใน 60 วินาที

มันรองรับเวกเตอร์แบบหนาแน่นและเวกเตอร์แบบเบาบาง สามารถทำการค้นหาแบบผสมได้ในครั้งเดียว ในฐานะไลบรารีภายในกระบวนการ Zvec สามารถทำงานบนโน้ตบุ๊ก เซิร์ฟเวอร์ เครื่องมือ CLI หรือแม้แต่บนอุปกรณ์ Edge โครงการนี้ใช้สัญญาอนุญาตโอเพนซอร์ส Apache 2.0

import zvec  

# กำหนดโครงสร้างคอลเลกชัน  
schema = zvec.CollectionSchema(  
    name="example",  
    vectors=zvec.VectorSchema("embedding", zvec.DataType.VECTOR_FP32, 4),  
)  

# สร้างคอลเลกชัน  
collection = zvec.create_and_open(path="./zvec_example", schema=schema)  

# แทรกเอกสาร  
collection.insert([  
    zvec.Doc(id="doc_1", vectors={"embedding": [0.1, 0.2, 0.3, 0.4]}),  
    zvec.Doc(id="doc_2", vectors={"embedding": [0.2, 0.3, 0.4, 0.1]}),  
])  

# ค้นหาความคล้ายคลึงของเวกเตอร์  
results = collection.query(  
    zvec.VectorQuery("embedding", vector=[0.4, 0.3, 0.3, 0.1]),  
    topk=10  
)

นักพัฒนาบางคนคิดว่า วิธีการฝังความสามารถของฐานข้อมูลเวกเตอร์ลงในแอปพลิเคชันโดยตรงนี้ สามารถทำให้ขั้นตอนการสอบถามง่ายขึ้น และทำให้การพัฒนาลื่นไหลมากขึ้น สำหรับการสร้างระบบ RAG หรือสถานการณ์ที่ต้องการการค้นหาเวกเตอร์ในเครื่อง Zvec อาจเปลี่ยนกฎเกณฑ์ของเกมได้

อย่างไรก็ตาม มีผู้ใช้เน็ตบางคนแสดงความกังวลเกี่ยวกับปัญหาคอขวดด้านหน่วยความจำ เนื่องจากข้อมูลเวกเตอร์มักใช้หน่วยความจำค่อนข้างมาก นอกจากนี้ยังมีผู้ใช้บางคนอ้างว่าพบช่องโหว่ด้านความปลอดภัย แต่ไม่ได้ให้หลักฐานที่ชัดเจน

หน้า GitHub ของโครงการมีคำแนะนำการติดตั้งและโค้ดตัวอย่างครบถ้วน: https://github.com/alibaba/zvec

ติดตาม “Whale Habitat” Mini Program เพื่อรับข่าวสาร AI ล่าสุด

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK