@re-ai/rag

@re-ai/rag

@re-ai/tag 是一个强大的rag服务，提供高效的文档管理、向量数据库操作和集合处理功能。 此包是专为需要在本地环境中处理大量数据的应用程序设计，支持多种数据操作。

更新 (v0.2)

• 24.07.31
  • LanceDB支持，本地测试ok
  • 腾讯云向量库测试完毕，支持base/AI库，上传文件（markdown格式）
• 24.07.30 腾讯云向量库

安装

使用 npm 安装:

npm install @re-ai/rag

使用方法

向量服务

import { ReAIVector } from '@re-ai/rag';
const service = ReAIVector.getService(ServiceTypes.TENCENT_CLOUD_VECTOR)

文档操作

// 示例：插入文档
service.document().upsert({ /* 数据 */ });

// 示例：查询文档
service.document().query({ /* 查询条件 */ });

// 示例：向量搜索
service.document().search({ /* 查询条件 */ });

// 示例：删除文档
service.document().delete({ /* 查询条件 */ });

// 更新文档
service.document().update({ /* 查询条件 */ });

数据库操作

// 示例：创建数据库
service.database().create({ /* 数据库配置 */ });

// 示例：列出所有数据库
service.database().list();

// 示例：删除数据库
service.database().drop({ /* 数据库配置 */ });

集合操作

// 示例：创建集合
service.collection().create({ /* 集合配置 */ });

// 示例：获取集合描述
service.collection().describe({ /* 指定集合 */ });

sql where 查询字符串

import { ReAIFilter } from '@re-ai/rag';
const str = ReAIFilter.buildWhereClause({
    name: '张三',
})

Embedding向量接口

export { ReAIVector, ReAIEmbedding } from "@re-ai/rag"
const e = ReAIEmbedding.getAPI(EmbeddingAPIType.OLLAMA, {
    model: "milkey/gte:large-zh-f16"
})
e.getEmbeddings(["你好", "天气好"]).then((res) => {
    console.log(res)
})

贡献

欢迎通过 GitHub 提交问题或请求，以帮助我们改进 @re-ai/rag。

许可证

此项目遵循 MIT 许可证。有关更多详细信息，请查看 LICENSE 文件。