矢量存储

Suabase本周将举办一场人工智能黑客马拉松。在LangChain，我们是Suabase和黑客马拉松的忠实粉丝，所以我们认为这将是一个完美的时机来强调您可以同时使用LangChain和Suabase的多种方式。

我们之所以如此喜欢Supadase，是因为它在多种不同方面都很有用。构建有趣的人工智能应用程序的一个重要部分是将GPT-3等模型与您的个人数据连接起来。因此，通过这种方式，Suabase支持的不同类型的数据库非常有用。但是，在您构建了应用程序之后，您还需要一种与世界共享应用程序的方式——Suabase也可以提供帮助。

Suabase矢量存储

人们一直在构建的人工智能应用程序的主要类型之一是与文档数据“聊天”的方式。基本上是ChatGPT，但它知道特定数据的信息，无论是你的个人写作还是一个深奥的网站。有关这种类型的应用程序的深入教程，请参阅此博客。这个应用程序的很大一部分是将文档的嵌入存储在向量库中。苏巴斯可以做到！有关如何执行此操作的演练，请参阅此处的文档。

今天，我们宣布LangChain与Chroma的集成，这是迈向现代A.I Stack的第一步。

LangChain-人工智能原生开发者工具包

我们启动LangChain的目的是建立一个模块化和灵活的框架，用于开发a.I原生应用程序。一些立即浮现在脑海中的用例是聊天机器人、问答服务和代理。成千上万的开发人员现在正在使用LangChain灵活、易于使用的框架进行黑客攻击、修补和构建各种LLM驱动的应用程序。

应用程序的关键组件之一是嵌入，以及保存和使用这些嵌入的向量存储。

我们注意到许多现有向量存储的一个痛点是，它们通常涉及连接到存储嵌入的外部服务器。虽然这对于将应用程序投入生产来说很好，但在本地轻松地原型化应用程序确实有点棘手。

我们为本地矢量存储提供的最佳解决方案是使用FAISS，许多社区成员指出，FAISS存在一些棘手的依赖关系，导致安装问题。

Chroma-人工智能原生矢量存储

Chroma的成立是为了构建利用嵌入功能的工具。嵌入是表示任何类型数据的人工智能原生方式，使其非常适合使用各种人工智能工具和算法。