Presentación de Couchbase como almacén vectorial en Flowise

Nos complace anunciar que Couchbase es ahora oficialmente compatible como un almacén de vectores en Flowise, proporcionando a los usuarios una solución potente y de alto rendimiento para la gestión y recuperación de datos vectoriales. Esta nueva integración combina las capacidades de flujo de trabajo de IA intuitivas y sin código de Flowise con el almacenamiento vectorial escalable y flexible de Couchbase, lo que facilita más que nunca la creación y el despliegue de aplicaciones impulsadas por IA.

Flowise es una herramienta de código abierto que permite a los usuarios crear y gestionar flujos de trabajo de IA con una interfaz visual sin código. Está diseñada para simplificar la integración de modelos de aprendizaje automático y canalizaciones de datos, ofreciendo a los usuarios una forma accesible y eficiente de incorporar la IA a sus aplicaciones sin necesidad de una codificación compleja.

En las secciones siguientes exploraremos algunos detalles de esta integración.

Configuración de Flowise con Couchbase

Para empezar a utilizar Flowise y Couchbase, tendrás que seguir unos sencillos pasos.

Instalación de Flowise

Hay varias formas de instalar Flowise:

Método 1: Instalar Flowise localmente usando NPM

1. Instale Flowise globalmente:
   
   npm install -g flowise

   1	npm instale -g flowise

2. Inicia Flowise:
   
   npx flowise start

   1	npx flowise iniciar

Método 2: Instalar Flowise utilizando Docker

Hay dos maneras de desplegar Flowise con Docker: Docker Compose o Imagen Docker.

Uso de una imagen Docker

1. 1. Clone el repositorio Flowise localmente:
      
      git clone https://github.com/FlowiseAI/Flowise.git

      1	git clonar https://github.com/FlowiseAI/Flowise.git

   2. Navega a la carpeta docker en la raíz del proyecto:
      
      cd docker

      1

      cd docker

   3. Construya la imagen Docker con el siguiente comando:
      
      docker build --no-cache -t flowise .

      1	docker construya --no-caché -t flowise .

   4. Una vez creada la imagen, ejecute el contenedor:
      
      docker run -d --name flowise -p 3000:3000 flowise

      1	docker ejecute -d --nombre flowise -p 3000:3000 flowise

   5. Para detener el contenedor en ejecución:
      
      docker stop flowise

      1	docker stop flowise

Uso de Docker Compose

1. 1. Clone el repositorio Flowise localmente:
      
      git clone https://github.com/FlowiseAI/Flowise.git

      1	git clonar https://github.com/FlowiseAI/Flowise.git

   2. Navega a la carpeta docker en la raíz del proyecto:
      
      cd docker

      1

      cd docker

   3. Copie el archivo .env.example y renómbrelo como .env
      
      cp .env.example .env

      1	cp .env.ejemplo .env

   4. Para iniciar los contenedores, utilice Docker Compose:
      
      docker compose up -d

      1	docker componer arriba -d

   5. Para bajar los contenedores, utilice el siguiente comando:
      
      docker compose stop

      1	docker componer stop

Ahora que tiene Flowise instalado, puede acceder a él navegando a http://localhost:3000.

También puede utilizar la función Versión Flowise Cloud.

Subinserción en Couchbase y ejecución de una consulta

Ahora que Flowise y Couchbase están integrados, puedes insertar datos en Couchbase y realizar búsquedas vectoriales. En este blog, le mostraremos cómo upsert un archivo PDF en Couchbase usando Flowise.

1. Insertar datos en Couchbase

Para insertar datos en Couchbase, arrastre y conecte los siguientes nodos en el lienzo Flowise:

• • • Archivo PDF: Cargue su documento (por ejemplo, Couchbase-docs.pdf)
    • Divisor de texto de caracteres recursivos: Divide el texto en trozos (por ejemplo, tamaño: 1000, solapamiento: 200)
    • Incrustaciones de OpenAI: Convierte texto en incrustaciones vectoriales (por ejemplo, text-embedding-3-large)
    • Couchbase: Almacena documentos e incrustaciones en el cubo, ámbito y colección especificados. No olvides añadir el índice vectorial.

Ahora que los datos están almacenados, podemos consultarlos utilizando la siguiente configuración de Flowise.

2. Comience a consultar.

Para consultar datos de Couchbase, arrastre y conecte los siguientes nodos en el lienzo de Flowise:

• • • Recuperador Couchbase: Obtiene trozos de documentos relevantes mediante búsqueda vectorial.
    • ChatOpenAI: Procesa el contexto recuperado y genera respuestas (por ejemplo, GPT-4o).
    • Cadena de control de calidad de la recuperación conversacional: Maneja interacciones multiturno, garantizando respuestas precisas y contextuales.

Ahora, la canalización RAG está lista para responder a consultas utilizando el conocimiento almacenado.

Conclusión

Esta integración permite consultar sin problemas el conocimiento almacenado utilizando el almacenamiento vectorial de alto rendimiento de Couchbase y las capacidades de las herramientas de bajo código de Flowise. Al aprovechar las incrustaciones, la recuperación y las respuestas impulsadas por IA, puedes crear aplicaciones escalables e inteligentes con facilidad. Tanto si trabajas en búsqueda semántica, aplicaciones de trapo u otros casos de uso impulsados por IA, esta configuración garantiza eficiencia y precisión.

Próximos pasos

Más información en Documentación de Flowise AIque incluye una guía de integración de Couchbase.

¡Feliz codificación!