Vectorize推出即時企業數據管理的智能RAG平台

隨著向量資料庫成為企業人工智慧(AI)應用中檢索增強生成(RAG)的重要組成部分,真正的挑戰在於有效管理非結構化數據。

Vectorize 的共同創辦人兼首席執行官 Chris Latimer 曾在 DataStax 主導雲端專案。他觀察到一個普遍問題:向量資料庫本身並非實施企業 RAG 的主要障礙,而是將非結構化數據優化導入向量資料庫以服務生成 AI 的過程更具挑戰性。

為了解決這一問題,Latimer 在十個月前創立了 Vectorize。該公司最近宣布完成由 True Ventures 領投的 360 萬美元種子輪融資,並啟用了其企業 RAG 平台。這一平台促進了主動式 RAG 方法,使其具備近實時的數據處理能力。Vectorize 專注於數據工程,幫助組織為向量資料庫和大型語言模型(LLMs)準備和管理數據。此外,該平台提供直觀的介面,使企業能夠快速構建 RAG 數據管道,並具有 RAG 評估工具以測試不同的策略。

“我們一致發現,在生成 AI 項目的最後階段,結果往往未能達到預期,”Latimer 在一次獨家訪談中說道。“提供給向量資料庫的上下文對大型語言模型並無幫助,導致幻覺和數據誤解。”

Vectorize 如何融入企業 RAG 堆疊

Vectorize 並不是一個向量資料庫;而是一個連接非結構化數據來源與現有向量資料庫(如 Pinecone、DataStax、Couchbase 和 Elastic)的平台。它從不同來源攝取並優化數據,確保生產就緒的數據管道,涵蓋攝取、同步、錯誤處理和數據工程最佳實踐。

此外,Vectorize 也並非向量嵌入技術,而是支持用戶評估不同的嵌入模型和數據切分方法,以尋找最適合其特定用例的最佳配置。Latimer 強調該平台的靈活性,使用戶能夠從眾多嵌入模型中進行選擇,包括 OpenAI 的 Ada 和 Snowflake 使用的 Voyage AI 嵌入。

“我們專注於創新的數據向量化策略以獲得最佳結果,”Latimer 表示,強調該平台提供生產就緒的解決方案,緩解數據工程的顧慮。

利用主動式 AI 進行企業 RAG

Vectorize 的一大特色是其「主動式 RAG」方法,結合了傳統 RAG 方法和 AI 代理能力,促進自主問題解決。早期用戶 Groq,一家最近獲得 6.4 億美元資金的 AI 推理矽晶片創業公司,利用 Vectorize 的主動式 RAG 能力來增強 AI 客服代理。這一代理能夠自動回答客戶諮詢,並使用來自 Vectorize 管道的數據和上下文。

Latimer 解釋道:“如果客戶詢問重複性問題,代理應能高效解決這些問題,而無需人員介入。然而,如果遇到更複雜的問題,則應升級至人工協助,這體現了 AI 代理架構的本質。”

實時數據管道在企業 RAG 中的重要性

對企業而言,利用 RAG 的一大優勢在於獲取最新數據。Latimer 警告道:“過時的數據將導致不佳的決策。”Vectorize 提供實時與近實時的數據更新能力,讓客戶能夠自定義數據新鮮度的偏好。

“我們使用戶能夠根據他們可接受的數據過時程度來配置平台,”他說。“無論他們需要每週的數據刷新還是實時更新,我們的平台都能滿足這些需求,隨著數據的可用性提供及時的更新。”

Most people like

Find AI tools in YBX

Related Articles
Refresh Articles