引言

在现代数据驱动的世界中，如何有效地存储和检索信息显得尤为重要。ThirdAI NeuralDB 是一个专为 CPU 优化、可调的向量存储解决方案，为开发者提供了一种高效管理向量数据的新方法。本篇文章将深入探讨如何初始化、使用和优化NeuralDB，以便更好地服务于您的项目需求。

主要内容

初始化

NeuralDB提供了两种初始化方式：从头开始和从检查点加载。此功能使您能够根据需要灵活地启动新的项目或者加载先前保存的模型。

从头开始

from langchain_community.vectorstores import NeuralDBVectorStore

# 使用API代理服务提高访问稳定性
vectorstore = NeuralDBVectorStore.from_scratch(thirdai_key="your-thirdai-key")

从检查点加载

vectorstore = NeuralDBVectorStore.from_checkpoint(
    checkpoint="/path/to/checkpoint.ndb",
    thirdai_key="your-thirdai-key",
)

可以在这里获取ThirdAI API密钥。

文档插入

NeuralDB支持多种文档格式的插入，包括PDF, DOCX, 以及 CSV 文件。您可以选择是否进行无监督预训练和快速模式插入。

示例

vectorstore.insert(
    sources=["/path/to/doc.pdf", "/path/to/doc.docx", "/path/to/doc.csv"],
    train=True,
    fast_mode=True,
)

相似搜索

NeuralDB中支持通过 similarity_search 方法进行相似性搜索，以检索相关的文档片段。

documents = vectorstore.similarity_search("query", k=10)

精细调整

NeuralDB允许通过关联和投票机制进行精细调整，以更好地适应用户行为和特定领域的需求。

关联与投票示例

vectorstore.associate(source="source phrase", target="target phrase")
vectorstore.upvote(query="how is a car manufactured", document_id=52)

常见问题和解决方案

挑战：访问API不稳定

解决方案：由于某些地区的网络限制，开发者可能需要考虑使用API代理服务提高访问稳定性。

挑战：文档插入性能

解决方案：启动 fast_mode 可以提高插入速度，尽管这会导致性能稍微下降。

总结和进一步学习资源

总而言之，ThirdAI NeuralDB为开发者提供了一种高效的向量存储解决方案，支持各种初始化和优化功能。您可以通过 ThirdAI 文档进一步探索。

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---

[揭开ThirdAI NeuralDB的神秘面纱：创建与优化向量存储的全新体验]

引言