学习怎样使用你熟悉的PostgreSQL来自动化AI嵌入的创建。

管理像RAG、搜索和AI代理这样的AI系统的嵌入工作流程可能是一件麻烦事：需要同时管理多个工具、搭建复杂的流水线，并花费数小时来同步数据，特别是如果你不是ML或AI方面的专家。但这并不一定如此困难。

通过使用 pgai Vectorizer，现在正处于抢先体验阶段，你可以自动化创建向量嵌入，保持它们随着数据变化自动同步，并尝试和探索不同的 AI 模型——所有这些只需一条简单的 SQL 命令。无需额外工具，无需复杂的设置——只需用 PostgreSQL 就能搞定一切。

    -- 生成一个向量化器来嵌入blogs表中的数据
    -- 使用Open AI的text-embedding-3-small模型来嵌入数据
    SELECT ai.create_vectorizer(
        'public.blogs'::regclass,
        embedding => ai.embedding_openai('text-embedding-3-small', 1536),
        chunking => ai.chunking_recursive_character_splitter('content')
    );

进入全屏，退出全屏

• 使用 SQL 生成向量： 通过一条命令从多个文本列生成向量，从而简化了您的 AI 工作流中关键的部分。
• 自动同步： 随着数据的变化，向量自动更新——无需手动干预。
• 快速模型切换： 使用 SQL 快速测试不同的 AI 模型——无需重新处理数据。
• 测试和部署： 对比模型和分块技术，进行 A/B 测试，从而确保在不停机时间的情况下自信地部署更新，确保业务连续性。

这里有个例子，用pgai向量化器来测试两种不同嵌入模型的RAG输出。

    -- 使用OpenAI的text-embedding-3-small进行向量化
    SELECT ai.create_vectorizer(
       'public.blogs'::regclass,
       destination => 'blogs_embedding_small',
       embedding => ai.embedding_openai('text-embedding-3-small', 1536),
       chunking => ai.chunking_recursive_character_text_splitter('content'),
       formatting => ai.formatting_python_template('Title: $title\nURL: $url\nContent: $chunk')
    );

    -- 使用OpenAI的text-embedding-3-large进行向量化
    SELECT ai.create_vectorizer(
       'public.blogs'::regclass,
       destination => 'blogs_embedding_large',
       embedding => ai.embedding_openai('text-embedding-3-large', 1536),  -- 注意：不同的维度
       chunking => ai.chunking_recursive_character_text_splitter('content'),
       formatting => ai.formatting_python_template('Title: $title\nURL: $url\nContent: $chunk')
    );

    -- 比较在相同RAG查询中两个向量器的结果
    SELECT
       'text-embedding-3-small' as 模型,
       generate_rag_response(
           '什么是AI？',
           'public.blogs_embedding_small'
       ) as 回复
    UNION ALL
    SELECT
       'text-embedding-3-large' as 模型,
       generate_rag_response(
           '什么是AI？',
           'public.blogs_embedding_large'
       ) as 回复;

进入全屏 退出全屏

随着您的数据集的增长，pgai 向量化器也会随之扩展。当向量数目超过 100,000 时，它会自动优化搜索性能，利用像 HNSW 和 StreamingDiskANN 这样的向量索引。您可以完全掌控——定义分块和格式规则，根据您的需求定制嵌入。

这里是一个高级矢量化器配置的示例，在添加了10万行之后创建了一个ANN索引，并为HTML文件设置了自定义分块处理。

    -- 高级向量器配置
    SELECT ai.create_vectorizer(
       'public.blogs'::regclass,
       目标表 => 'blogs_embedding_recursive',
       嵌入向量 => ai.embedding_openai('text-embedding-3-small', 1536),
       -- 当表中有100k行时自动创建StreamingDiskANN索引
       索引设置 => ai.indexing_diskann(最小行数阈值 => 100000, 存储布局参数 => 'memory_optimized'),
       -- 对HTML内容应用递归文本切分，指定设置
       递归文本切分 => ai.chunking_recursive_character_text_splitter(
           'content',
           切片大小（字符数） => 800,
           重叠字符数 => 400,
           -- HTML感知的分隔符，从最高到最低优先级排序
           分隔符 => array[
               E'</article>', -- 在主要文档部分上分割
               E'</div>',     -- 在div边界上分割
               E'</section>',
               E'</p>',       -- 在段落上分割
               E'<br>',       -- 在换行符上分割
               E'</li>',      -- 在列表项上分割
               E'. ',         -- 回退到句子边界
               ' '           -- 最后一个选择：在空格上分割
           ]
       ),
       格式化设置 => ai.formatting_python_template('标题：$title 链接：$url $chunk')
    );

全屏模式 退出全屏

对于像MarketReader这样的公司而言，，pgai矢量器已经让AI开发变得更快捷和更高效。

“pgai Vectorizer 让我们的 AI 流程更简单，从创建嵌入到实时同步，让 AI 开发更快更简便——全部都在 PostgreSQL 中搞定。” — Web Begole，MarketReader（一家 AI 金融洞察公司）的 CTO

如果你准备好开始构建了，我们有一个与 Ollama 合作举办的一个 Dev Challenge，关于使用开源软件开发 AI 应用。我们非常期待看到社区使用 PostgreSQL 和 pgai 向量器开发出的作品！

节省时间和精力。少关注嵌入，多花时间构建你的下一个杀手级AI应用。试试今天就免费试用pgai Vectorizer：在GitHub上获取它或在Timescale Cloud上全托管（免费试用期限有限）。现在就来试试点击这里。