Apresentando o Couchbase como um armazenamento de vetores no Flowise

Temos o prazer de anunciar que o Couchbase agora é oficialmente suportado como um armazenamento vetorial no Flowise, oferecendo aos usuários uma solução avançada e de alto desempenho para gerenciar e recuperar dados vetoriais. Essa nova integração combina os recursos de fluxo de trabalho de IA intuitivos e sem código do Flowise com o armazenamento vetorial flexível e dimensionável do Couchbase, facilitando mais do que nunca a criação e a implantação de aplicativos orientados por IA.

O Flowise é uma ferramenta de código aberto que permite aos usuários criar e gerenciar fluxos de trabalho de IA com uma interface visual e sem código. Ele foi projetado para simplificar a integração de modelos de aprendizado de máquina e pipelines de dados, oferecendo aos usuários uma maneira acessível e eficiente de incorporar a IA em seus aplicativos sem a necessidade de codificação complexa.

Nas seções a seguir, exploraremos alguns detalhes dessa integração.

Configuração do Flowise com o Couchbase

Para começar a usar o Flowise e o Couchbase, você precisará seguir algumas etapas simples.

Instalação do Flowise

Há várias maneiras de instalar o Flowise:

Método 1: instalar o Flowise localmente usando o NPM

1. Instale o Flowise globalmente:
   
   npm install -g flowise

   1	npm instalar -g fluir

2. Iniciar o Flowise:
   
   npx flowise start

   1	npx fluir iniciar

Método 2: Instalar o Flowise usando o Docker

Há duas maneiras de implementar o Flowise com o Docker: Docker Compose ou Imagem do Docker.

Usando uma imagem do Docker

1. 1. Clone o repositório do Flowise localmente:
      
      git clone https://github.com/FlowiseAI/Flowise.git

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

   2. Navegue até a pasta docker na raiz do projeto:
      
      cd docker

      1

      cd doca

   3. Crie a imagem do Docker com o seguinte comando:
      
      docker build --no-cache -t flowise .

      1	doca construir --não-cache -t fluir .

   4. Depois que a imagem for criada, execute o contêiner:
      
      docker run -d --name flowise -p 3000:3000 flowise

      1	doca executar -d --nome fluir -p 3000:3000 fluir

   5. Para interromper o contêiner em execução:
      
      docker stop flowise

      1	doca parar fluir

Usando o Docker Compose

1. 1. Clone o repositório do Flowise localmente:
      
      git clone https://github.com/FlowiseAI/Flowise.git

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

   2. Navegue até a pasta docker na raiz do projeto:
      
      cd docker

      1

      cd doca

   3. Copie o arquivo .env.example e renomeie-o como .env
      
      cp .env.example .env

      1	cp .env.exemplo .env

   4. Para iniciar os contêineres, use o Docker Compose:
      
      docker compose up -d

      1	doca compor para cima -d

   5. Para desativar os contêineres, use o seguinte comando:
      
      docker compose stop

      1	doca compor parar

Agora que o Flowise está instalado, você pode acessá-lo navegando até http://localhost:3000.

Como alternativa, você também pode usar o Versão em nuvem do Flowise.

Inserção ascendente no Couchbase e execução de uma consulta

Agora que o Flowise e o Couchbase estão integrados, você pode fazer o upsert de dados no Couchbase e realizar pesquisas vetoriais. Neste blog, mostraremos como fazer o upsert de um arquivo PDF no Couchbase usando o Flowise.

1. Inserir dados no Couchbase

Para inserir dados no Couchbase, arraste e conecte os seguintes nós na tela do Flowise:

• • • Arquivo PDF: Faça upload de seu documento (por exemplo, Couchbase-docs.pdf)
    • Divisor de texto de caracteres recursivo: Divide o texto em partes (por exemplo, tamanho: 1000, sobreposição: 200)
    • Embeddings da OpenAI: Converte texto em embeddings de vetor (por exemplo, text-embedding-3-large)
    • Couchbase: Armazena documentos e incorporações no bucket, no escopo e na coleção especificados. Não se esqueça de adicionar o índice do vetor!

Agora que os dados estão armazenados, podemos consultá-los usando a seguinte configuração do Flowise!

2. Comece a consultar!

Para consultar dados do Couchbase, arraste e conecte os seguintes nós na tela do Flowise:

• • • Recuperador do Couchbase: Obtém pedaços de documentos relevantes usando pesquisa vetorial.
    • ChatOpenAI: Processa o contexto recuperado e gera respostas (por exemplo, GPT-4o).
    • Cadeia de controle de qualidade da recuperação de conversação: Lida com interações de vários turnos, garantindo respostas precisas e contextuais.

Agora, o pipeline do RAG está pronto para responder a consultas usando o conhecimento armazenado!

Conclusão

Essa integração permite a consulta contínua do conhecimento armazenado usando o armazenamento vetorial de alto desempenho do Couchbase e os recursos da ferramenta de baixo código do Flowise. Ao aproveitar os embeddings, a recuperação e as respostas baseadas em IA, você pode criar aplicativos inteligentes e dimensionáveis com facilidade. Independentemente de estar trabalhando em pesquisa semântica, aplicativos de trapo ou outros casos de uso orientados por IA, essa configuração garante eficiência e precisão.

Próximas etapas

Mais informações estão disponíveis em Documentação do Flowise AIincluindo um guia de integração para Couchbase.

Boa codificação!