🚀 جرب Zilliz Cloud، الـ Milvus المدارة بالكامل، مجاناً — تجربة أداء أسرع بـ 10 أضعاف! جرب الآن>>

milvus-logo
LFAI
  • Home
  • Blog
  • تقديم Milvus Lite: ابدأ في إنشاء تطبيق GenAI في ثوانٍ معدودة

تقديم Milvus Lite: ابدأ في إنشاء تطبيق GenAI في ثوانٍ معدودة

  • News
May 30, 2024
Jiang Chen

نحن متحمسون لتقديم Milvus Lite، وهي قاعدة بيانات متجهات خفيفة الوزن تعمل محليًا داخل تطبيق Python الخاص بك. استنادًا إلى قاعدة بيانات Milvus المتجهة الشهيرة مفتوحة المصدر، تعيد Milvus Lite استخدام المكونات الأساسية لفهرسة المتجهات وتحليل الاستعلامات مع إزالة العناصر المصممة لقابلية التوسع العالية في الأنظمة الموزعة. يجعل هذا التصميم حلًا مدمجًا وفعالًا مثاليًا للبيئات ذات موارد الحوسبة المحدودة، مثل أجهزة الكمبيوتر المحمولة وأجهزة Jupyter Notebook والأجهزة المحمولة أو الأجهزة المتطورة.

يتكامل Milvus Lite مع العديد من حزم تطوير الذكاء الاصطناعي مثل LangChain وLlamaIndex، مما يتيح استخدامه كمخزن متجه في خطوط أنابيب الاسترجاع المعززة (RAG) دون الحاجة إلى إعداد الخادم. ما عليك سوى تشغيل pip install pymilvus (الإصدار 2.4.3 أو أعلى) لدمجه في تطبيق الذكاء الاصطناعي الخاص بك كمكتبة بايثون.

يشارك Milvus Lite واجهة برمجة تطبيقات Milvus، مما يضمن أن تعمل شفرتك من جانب العميل مع كل من عمليات النشر المحلية صغيرة النطاق وخوادم Milvus المنشورة على Docker أو Kubernetes مع مليارات المتجهات.

لماذا صممنا Milvus Lite

تتطلب العديد من تطبيقات الذكاء الاصطناعي البحث عن تشابه المتجهات للبيانات غير المهيكلة، بما في ذلك النصوص والصور والأصوات ومقاطع الفيديو، لتطبيقات مثل روبوتات الدردشة الآلية ومساعدات التسوق. صُممت قواعد البيانات المتجهة لتخزين التضمينات المتجهة والبحث فيها وهي جزء أساسي من مجموعة تطوير الذكاء الاصطناعي، خاصةً لحالات استخدام الذكاء الاصطناعي التوليدي مثل التوليد المعزز للاسترجاع (RAG).

وعلى الرغم من توافر العديد من حلول البحث عن المتجهات، إلا أنه لم يكن هناك خيار سهل التشغيل يعمل أيضًا لعمليات النشر الإنتاجية واسعة النطاق. وبصفتنا مبتكري Milvus، قمنا بتصميم Milvus Lite لمساعدة مطوري الذكاء الاصطناعي على إنشاء تطبيقات أسرع مع ضمان تجربة متسقة عبر خيارات النشر المختلفة، بما في ذلك Milvus على Kubernetes وDocker والخدمات السحابية المُدارة.

يعد Milvus Lite إضافة مهمة إلى مجموعة عروضنا ضمن نظام Milvus البيئي. فهو يوفر للمطورين أداة متعددة الاستخدامات تدعم كل مرحلة من مراحل رحلة التطوير الخاصة بهم. من النماذج الأولية إلى بيئات الإنتاج ومن الحوسبة المتطورة إلى عمليات النشر واسعة النطاق، أصبحت Milvus الآن قاعدة البيانات المتجهة الوحيدة التي تغطي حالات الاستخدام من أي حجم وفي جميع مراحل التطوير.

كيف يعمل ميلفوس لايت

يدعم Milvus Lite جميع العمليات الأساسية المتوفرة في Milvus، مثل إنشاء المجموعات وإدراج المتجهات والبحث عنها وحذفها. وسيدعم قريبًا ميزات متقدمة مثل البحث الهجين. يقوم Milvus Lite بتحميل البيانات في الذاكرة لإجراء عمليات بحث فعالة واستمرارها كملف SQLite.

يتم تضمين Milvus Lite في Python SDK الخاص بـ Milvus ويمكن نشره باستخدام pip install pymilvus. يوضح المقتطف البرمجي التالي كيفية إعداد قاعدة بيانات متجهية باستخدام Milvus Lite عن طريق تحديد اسم ملف محلي ثم إنشاء مجموعة جديدة. بالنسبة لأولئك الذين هم على دراية بواجهة برمجة تطبيقات Milvus، فإن الفرق الوحيد هو أن uri يشير إلى اسم ملف محلي بدلاً من نقطة نهاية الشبكة، على سبيل المثال، "milvus_demo.db" بدلاً من "http://localhost:19530" لخادم Milvus. كل شيء آخر يبقى كما هو. يدعم Milvus Lite أيضًا تخزين النص الخام والتسميات الأخرى كبيانات وصفية، باستخدام مخطط ديناميكي أو محدد بشكل صريح، كما هو موضح أدناه.

from pymilvus import MilvusClient

client = MilvusClient("milvus_demo.db")
# This collection can take input with mandatory fields named "id", "vector" and
# any other fields as "dynamic schema". You can also define the schema explicitly.
client.create_collection(
    collection_name="demo_collection",
    dimension=384  # Dimension for vectors.
)

من أجل قابلية التوسع، يمكن لتطبيق ذكاء اصطناعي تم تطويره باستخدام Milvus Lite الانتقال بسهولة إلى استخدام Milvus المنشور على Docker أو Kubernetes بمجرد تحديد uri مع نقطة نهاية الخادم.

التكامل مع مكدس تطوير الذكاء الاصطناعي

بالإضافة إلى تقديم Milvus Lite لجعل البحث المتجه سهل البدء به، تتكامل Milvus أيضًا مع العديد من أطر العمل ومزودي حزمة تطوير الذكاء الاصطناعي، بما في ذلك LangChain وLlamaIndex وHaystack وVoyage AI وRagas وJina AI وDSPy وBentoML وWayHow وRealari AI وAirbyte وHuggingFace وMemGPT. وبفضل أدواتها وخدماتها الشاملة، تعمل عمليات التكامل هذه على تبسيط تطوير تطبيقات الذكاء الاصطناعي مع إمكانية البحث المتجه.

وهذه ليست سوى البداية فقط - هناك العديد من عمليات التكامل المثيرة التي ستحدث قريباً! ترقبوا المزيد!

المزيد من الموارد والأمثلة

استكشف وثائق Milvus للبدء السريع للحصول على أدلة تفصيلية وأمثلة على التعليمات البرمجية حول استخدام Milvus Lite لبناء تطبيقات الذكاء الاصطناعي مثل الاسترجاع المعزز(RAG) والبحث عن الصور.

ميلفوس لايت هو مشروع مفتوح المصدر، ونحن نرحب بمساهماتك. اطلع على دليل المساهمة للبدء. يمكنك أيضًا الإبلاغ عن الأخطاء أو طلب ميزات عن طريق تسجيل مشكلة على مستودع Milvus Lite في GitHub.

Like the article? Spread the word

استمر في القراءة