Ricerca AI scalabile
Indice vettoriale Hyperscale per dati su scala miliardaria, ideale per applicazioni RAG, agenti e raccomandazioni.
Couchbase 8.0 consente agli sviluppatori di passare dall'idea alla produzione di IA più rapidamente che mai. Possono creare rapidamente applicazioni alimentate dall'intelligenza artificiale con enormi set di dati a basso TCO, iniziare rapidamente con le query in linguaggio naturale e garantire query rapide con nuovi strumenti di risoluzione dei problemi.
Utilizzare il linguaggio naturale per eseguire interrogazioni con le estensioni di SQL++.
Ricerca con sinonimi definiti dagli sviluppatori per una ricerca più intelligente.
Repository del carico di lavoro e approfondimenti sulle prestazioni integrati.
Compatibile con i framework AI più diffusi.
Migliorare l'eccellenza operativa con una gestione più intelligente dei cluster, funzionalità di sicurezza avanzate, ribilanciamento dinamico e failover più rapido per una disponibilità continua del servizio.
La crittografia nativa a riposo rende i dati più sicuri e la vita più semplice.
Regolazione dinamica dei servizi non KV senza aggiungere o rimuovere nodi, eliminando i ritardi di riequilibrio.
Aggregate le informazioni dalla telemetria del vostro client SDK per migliorare il monitoraggio end-to-end e velocizzare la risoluzione dei problemi.
Auto-failover dei nodi di dati non responsivi per migliorare il tempo di attività dell'applicazione. Servire le richieste mentre le cache si riscaldano.
Ottenete risposte rapide agli argomenti più comuni riguardanti la nostra ultima versione del server.
It supports billions of vectors with millisecond retrieval speeds using a DiskANN-based design.
La crittografia a riposo, la gestione delle chiavi KMIP e il monitoraggio degli eventi garantiscono l'integrità dei dati e la conformità.
Sì. Utilizzare l'indice del vettore di ricerca per le query ibride vettoriali e lessicali.
Automatic failover, rebalancing, and faster startup ensure continuous operations.
Esaminando il documento Couchbase 8.0 blog di annunci.
Hyperscale è utile per i casi d'uso in stile RAG, quando non è possibile anticipare ciò che un prompt chiederà a un LLM, mentre gli indici vettoriali compositi utilizzano parametri di prefiltraggio per restringere i vettori da includere in un prompt. Entrambi offrono una risposta al millisecondo per non rallentare i flussi di lavoro RAG.
Ottenere prestazioni e precisione elevate su scala vettoriale miliardaria per agenti AI, flussi di lavoro RAG, memoria contestuale e sistemi di raccomandazione - in sede o in Capella.