>Weaviate 是一个开源的向量数据库。它允许您存储数据对象和来自 >您最喜欢的 ML 模型生成的向量嵌入，并可无缝扩展到数十亿个数据对象。

什么是 Weaviate? - Weaviate 是一个开源的向量搜索引擎类型的数据库。 - Weaviate 允许您以类属性的方式存储 JSON 文档，同时为这些文档附加机器学习向量，以便在向量空间中表示它们。 - Weaviate 可以独立使用（即使用您自己的向量），也可以与各种模块配合使用，这些模块可以为您进行向量化，并扩展核心功能。 - Weaviate 提供 GraphQL API，可轻松访问您的数据。 - 我们的目标是将您的向量搜索设置投入生产，以便在短短几毫秒内完成查询（请查看我们的 开源基准测试 ，看看 Weaviate 是否适合您的用例）。 - 在五分钟内了解 Weaviate，请参阅 基础入门指南 （包含视频教程）。

Weaviate 详情：

Weaviate is a low-latency vector search engine with out-of-the-box support for different media types (text, images, etc.). It offers Semantic Search, Question-Answer Extraction, Classification, Customizable Models (PyTorch/TensorFlow/Keras), etc. Built from scratch in Go, Weaviate stores both objects and vectors, allowing for combining vector search with structured filtering and the fault tolerance of a cloud-native database. It is all accessible through GraphQL, REST, and various client-side programming languages.

安装和设置

安装 Python SDK：

pip install langchain-weaviate

uv add langchain-weaviate

向量存储

有一个围绕 Weaviate 的封装器，允许您将其用作向量存储， 无论是用于语义搜索还是示例选择。

要导入此向量存储：

from langchain_weaviate import WeaviateVectorStore

有关 Weaviate 封装器的更详细演练，请参见 本笔记本