Vectorize推出实时企业数据管理的代理式RAG平台

Home AI News CN Vectorize推出实时企业数据管理的代理式RAG平台

随着向量数据库在企业人工智能（AI）部署和信息检索增强生成（RAG）中的重要性日益突出，管理非结构化数据的挑战愈加显著。

Vectorize的联合创始人兼首席执行官Chris Latimer曾在DataStax领导云技术项目。他发现，企业在实施RAG时，向量数据库本身并不是主要障碍，真正的困难在于如何将非结构化数据有效地导入向量数据库，以促进生成性AI的应用。

为了解决这一问题，Latimer在十个月前创办了Vectorize。现在，该公司宣布完成360万美元的种子融资，由True Ventures主导，并正式推出其企业RAG平台。该平台实现了自主RAG方法，支持近乎实时的数据处理。Vectorize专注于数据工程，帮助组织为向量数据库和大型语言模型（LLM）准备和管理数据。此外，该平台通过直观的界面，使企业能够快速构建RAG数据管道，并提供RAG评估工具，以测试不同的策略。

Latimer在接受独家采访时指出：“我们发现，在生成AI项目的最后阶段，结果往往达不到预期。提供给向量数据库的上下文对大型语言模型并无帮助，从而导致幻觉和数据误解。”

Vectorize如何融入企业RAG生态系统

Vectorize并不是一个向量数据库，而是一个将非结构化数据源与现有的向量数据库（如Pinecone、DataStax、Couchbase和Elastic）连接的平台。它从不同来源获取和优化数据，确保一个生产级的数据管道，涵盖数据获取、同步、错误处理以及数据工程的最佳实践。

此外，Vectorize也并非向量嵌入技术。相反，它支持用户评估不同的嵌入模型和数据分块方法，以找到最适合其特定应用场景的配置。Latimer强调，该平台的灵活性，让用户可以选择多种嵌入模型，包括OpenAI的Ada和Snowflake使用的Voyage AI嵌入。

“我们专注于创新的数据向量化策略，以实现最佳结果，”Latimer表示，并强调该平台提供的生产就绪解决方案，减轻了数据工程的顾虑。

利用自主AI推动企业RAG

Vectorize的一大亮点是其“自主RAG”方法，结合了传统RAG技术与AI代理的能力，促进自主问题解决。Groq，作为早期用户和AI推理硅芯片初创公司，最近获得了6.4亿美元资金，利用Vectorize的自主RAG能力来增强AI支持代理，使其能够根据Vectorize的数据和上下文，独立解决客户问题。

Latimer解释道：“如果客户提出重复性问题，代理应该能高效地解决，而不需要人工干预。但如果遇到更复杂的问题，则应及时升级给人类，以体现AI代理架构的本质。”

实时数据管道在企业RAG中的重要性

对企业而言，利用RAG的一大优势是能够访问实时数据。Latimer警告道：“过时的数据会导致决策失误。”Vectorize提供实时及近实时的数据更新功能，允许客户根据需求自定义数据的新鲜程度。

他表示：“我们使用户能够根据其可接受的数据时效性来配置平台。无论是每周数据刷新还是实时更新，我们的平台都能满足这些需求，及时提供最新数据。”

第三维度人工智能获700万美元融资，利用生成式AI创造沉浸式游戏世界

SAP扩大开源大语言模型支持，提升Joule作为协作智能助手的能力