4 月，DataStax 收购了 Langflow，一个用于 RAG 的开源工具。它现在是帮助开发人员构建 AI 应用程序的技术栈的一部分。
译自 DataStax Aims To Simplify Building AI Apps With RAGStack，作者 Loraine Lawson。
ChatGPT 令我们所有人惊叹，但它实际上只是对 大型语言模型 (LLM) 最简单的演示，DataStax 首席产品官 Ed Anuff 说道，该公司提供基于开源 Apache Cassandra 的分布式云数据库。
“它会获取之前的响应以及称为历史记录的先前交互——它会获取这些并添加您的新问题作为额外的提示，并将所有这些捆绑到一个上下文中并将其发送到 LLM，并且它会不断重复这个过程，”他谈到 ChatGPT 时说道。“当 ChatGPT 首次发布时，它所做的仅仅是这些。我们体验到的结果非常酷，但从计算机科学程序的角度来看，它实际上非常简单。”
检索增强生成 (RAG) 是一种补充 LLM 知识的方法。他将 RAG 比作便签卡，可以帮助你在谈论某个主题时保持专注和真实。
RagStack：这个想法是提供一组技术，类似于 LAMP 堆栈对 Web 开发所做的那样，这些技术可用于创建 AI 应用。
“让我们去检索这些非常准确的知识来源，这些来源是通过传统的数据库查找检索到的，”他说。“在某些情况下——在很多情况下——[你] 使用向量数据库查找来获取信息并将其馈送到 LLM，然后 LLM 只使用其语言功能来构建该响应。”
RAG 可以通过不同的机制工作，包括简单的搜索方法以及更 复杂的方法，例如将问题转换为数据库查询，他说。RAG 后的结果是“有根据的”，这意味着 LLM 结果更准确，因为 LLM 使用了与查询一起提供的特定事实信息，而不是仅仅依赖于它自己的训练数据，他解释道。他补充说，这种方法通过避免推测性或不完整的答案来提高准确性，从而导致响应更符合提供的信息，因此更可靠。
“所有这些都会导致在幕后收集大量信息，然后将这些信息与您的原始问题一起馈送到 LLM，”他说。“LLM 所做的是——而不是去依赖它自己训练的知识——它使用提供给它的信息，然后 LLM 响应。”
使用 RAGStack 创建 AI 应用
最近，DataStax 更新了其产品，使 RAG 应用开发速度提高了 100 倍，该公司在 旧金山的 RAG 上宣布。为此，它正在使用它称之为 RAGStack 的东西。这个想法是提供一组技术，类似于 LAMP 堆栈对 Web 开发所做的那样，这些技术可用于创建 AI 应用。
为了支持其 RagStack 愿景，该公司还在 Astra Cloud Platform 上推出了 Langflow 的托管版本。
Langflow 是一个开源的可视化框架，用于构建 RAG 应用。DataStax 在 4 月份收购了 Langflow。它使用拖放式 GUI 来创建数据流，并利用 LangChain 用于 RAG 功能，从而允许开发人员使用各种向量数据库、嵌入模型和大型语言模型 (LLM) 来设计、试验和测试 RAG 和 GenAI 应用。
基本上，它使 LangChain 对开发人员更容易。它通过抽象化基础设施问题并与多个 GenAI 工具（例如 OpenAI、Hugging Face 等）集成来实现这一点，根据该公司的新闻稿。
它作为 DataStax 的 Astra Cloud 平台上的托管版本提供，使开发人员更容易访问和使用。DataStax 托管的 Langflow 将允许开发人员使用任何向量数据库、嵌入模型或 LLM 设计、试验和测试 RAG 和 GenAI 应用程序，而无需在他们的机器上安装 Langflow。
RagStack 还利用 LangSmith，这是一个用于管理和监控 LLM 应用程序的企业 DevOps 平台。同时，DataStax 发布了 Langflow 1.0 版本，其中包含数十个与顶级 GenAI 工具的集成，根据 公司博客文章。
根据该公司介绍，Langflow 1.0 允许开发人员利用 LangSmith 的可观察性服务来跟踪应用程序的响应，从而获得更相关、更准确的基于 LLM 的应用程序。Astra DB 环境详细信息将在 Langflow 中随时可用，用户可以通过 Astra 门户 访问 Langflow。该公司补充说，使用将是免费的。
向量化数据和使用 Unstructured.io
DataStax 还重点介绍了 Vectorize，最近发布的版本，它直接在数据库级别处理嵌入生成。Anuff 解释说，它会将你放入数据库的任何内容都生成其向量表示。
“向量表示是我们获取这些非结构化数据的地方，这些非结构化数据可以是一段文本，可以是图像，可以是任何东西，但我们获取它并生成嵌入。该嵌入是一个非常长的数值表示，它代表了该内容的语义含义，”他说。
他解释说，这些向量进入数据库，其中彼此最接近的行具有相似的含义。从开发的角度来看，这节省了时间。
“这使我能够获取可能与你所要求的语义含义相关的，而不是精确的关键字，”他说。“在我想通过含义而不是特定关键字检索内容的这些设置中，这是一个非常强大的工具，因为你可能永远不会使用特定关键字，但含义可能非常接近。”
最后，DataStax 宣布与 Unstructured.io 建立合作伙伴关系，该公司提供连接器，可以访问数据源和数据格式，并提取相关内容，以正确的字节大小块的形式提供给 Astra DB Vector 数据库，Anuff 说。该公司在其新闻发布会上表示，这种合作关系将使 开发人员能够提取和转换复杂数据，以便存储在 Astra DB Vector 中，用于为基于 LLM 的应用程序提供支持。
“用户的 GenAI 应用程序得益于闪电般的快速数据摄取，通过将大型数据集和常见文档类型快速转换为向量数据，”该公司表示。“这种新的集成然后使这些嵌入能够快速写入 Astra DB，以进行高度相关的 GenAI 相似性搜索。而且，在管理非常大的数据集时，用户能够将这些数据转换为嵌入，并在几分钟内将其写入 Astra DB。”
