Skip to main content
Weaviate 是一个开源向量数据库，允许你存储来自最喜欢的机器学习模型的数据对象和向量嵌入，并无缝扩展至数十亿个数据对象。
什么是 Weaviate？
  • Weaviate 是一个开源的向量搜索引擎类型数据库。
  • Weaviate 允许你以类属性的方式存储 JSON 文档，同时将机器学习向量附加到这些文档上，以在向量空间中表示它们。
  • Weaviate 可以独立使用（即自带向量），也可以与各种模块配合使用，这些模块可以为你进行向量化并扩展核心功能。
  • Weaviate 提供 GraphQL-API 以便轻松访问数据。
  • 我们致力于将你的向量搜索部署到生产环境，实现毫秒级查询（查看我们的开源基准测试，了解 Weaviate 是否适合你的使用场景）。
  • 在不到五分钟的时间内通过基础入门指南了解 Weaviate。
Weaviate 详细介绍： Weaviate 是一个低延迟的向量搜索引擎，原生支持不同媒体类型（文本、图像等）。它提供语义搜索、问答提取、分类、可定制模型（PyTorch/TensorFlow/Keras）等功能。从零开始用 Go 构建，Weaviate 同时存储对象和向量，将向量搜索与结构化过滤以及云原生数据库的容错能力相结合。所有这些都可通过 GraphQL、REST 和各种客户端编程语言访问。

​
安装与设置

安装 Python SDK： 
pip install langchain-weaviate

​
向量存储

Weaviate 索引有对应的封装，允许你将其用作向量存储，用于语义搜索或示例选择。 导入此向量存储： 
from langchain_weaviate import WeaviateVectorStore
有关 Weaviate 封装的更详细说明，请参阅此笔记本
在 GitHub 上编辑此页面或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等以获取实时答案。