weaviate
项目核心内容总结：
1. 项目功能
Weaviate 是一个开源的云原生向量数据库，支持对象和向量存储，提供语义搜索、关键词过滤、检索增强生成（RAG）及重排序功能，适用于构建推荐系统、语义搜索、多模态应用等场景。
2. 使用方法
- 部署方式：支持 Docker、Kubernetes、云平台（如 AWS、Google）及 Weaviate Cloud 部署。
- 开发集成：提供 Python、TypeScript 等语言的客户端库，通过 API 实现数据存储与查询。
- 示例流程：使用 Docker Compose 部署，通过 Python 代码创建数据集合、插入数据并执行语义搜索（示例代码已提供）。
3. 主要特性
- 高效搜索：结合向量相似度（如余弦相似度）与关键词（BM25）的混合搜索，支持多模态数据。
- 扩展性：支持大规模数据存储与高并发查询，适配企业级应用。
- AI 集成：内置 RAG 框架，支持与 LLM（如 LangChain、LlamaIndex）及 Agent 工具（如 CrewAI、Dynamiq）集成。
- 成本优化：通过向量化压缩技术降低存储与计算资源消耗。
- 生态支持：兼容 Airbyte、Databricks 等数据平台，及 Comet、LangWatch 等 AI 监控工具。