ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1em;letter-spacing: 0.1em;color: rgb(80, 80, 80);">?在本文中，我们将深入探讨 Verba，这是一款革命性的开源 rag 引擎。 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);padding-left: 0.5em;padding-right: 0.5em;">使用 Verba，通过简单的几步操作，您可以轻松探索您的数据集并提取见解，无论是在本地使用 HuggingFace 和 Ollama，还是通过 OpenAI、Cohere 和 Google 等LLM提供商进行操作。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);padding-left: 0.5em;padding-right: 0.5em;"> ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);padding-left: 0.5em;padding-right: 0.5em;">
pipinstallgoldenverba ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.1em;font-weight: bold;margin-top: 2em;margin-right: 8px;margin-bottom: 0.75em;padding-left: 0.5em;border-left: 3px solid rgb(0, 152, 116);color: rgb(63, 63, 63);padding-right: 0.5em;">什么是 Verba？ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);padding-left: 0.5em;padding-right: 0.5em;">Verba 是一个完全可定制的个人助手，用于查询和与您的数据交互，无论是在本地还是通过云部署。解决文档中的问题，交叉引用多个数据点，或从现有知识库中获取见解。Verba 结合了最先进的 RAG 技术与 Weaviate 的上下文感知数据库。根据您的个人使用情况，在不同的 RAG 框架、数据类型、分块与检索技术以及 LLM 提供商之间进行选择。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 4em auto 2em;padding-right: 0.5em;padding-left: 0.5em;background: rgb(0, 152, 116);color: rgb(255, 255, 255);">功能列表| ? 模型支持 | 实现情况 | 描述 | | Ollama（如Llama3） | ✅ | 由 Ollama 提供的本地嵌入和生成模型 | | HuggingFace（如MiniLMEmbedder） | ✅ | 由 HuggingFace 提供的本地嵌入模型 | | Cohere（如Command R+） | ✅ | 由 Cohere 提供的嵌入和生成模型 | | Google（如Gemini） | ✅ | 由 Google 提供的嵌入和生成模型 | | OpenAI（如GPT4） | ✅ | 由 OpenAI 提供的嵌入和生成模型 |
| ? 数据支持 | 实现情况 | 描述 | | PDF 导入 | ✅ | 将 PDF 导入 Verba | | CSV/XLSX 导入 | ✅ | 将表格数据导入 Verba | | 多模态 | 计划中 ⏱️ | 将多模态数据导入 Verba | | UnstructuredIO | ✅ | 通过 Unstructured 导入数据 |
| ✨ RAG 功能 | 实现情况 | 描述 | | 混合搜索 | ✅ | 语义搜索与关键词搜索相结合 | | 语义缓存 | ✅ | 基于语义意义保存和检索结果 | | 自动补全建议 | ✅ | Verba 提供自动补全建议 | | 过滤 | 计划中 ⏱️ | 执行 RAG 之前应用过滤器（如文档、文档类型等） | | 高级查询 | 计划中 ⏱️ | 基于 LLM 评估的任务委派 | | 重新排名 | 计划中 ⏱️ | 基于上下文重新排名结果以改进结果 | | RAG 评估 | 计划中 ⏱️ | 用于评估 RAG 管道的界面 | | 可自定义元数据 | 计划中 ⏱️ | 对元数据的自由控制 |
| ? 额外功能 | 实现情况 | 描述 | | Docker 支持 | ✅ | Verba 可通过 Docker 部署 | | 可定制前端 | ✅ | Verba 的前端完全可定制 |
| ? RAG 库 | 实现情况 | 描述 | | Haystack | 计划中 ⏱️ | 实现 Haystack RAG 管道 | | LlamaIndex | 计划中 ⏱️ | 实现 LlamaIndex RAG 管道 | | LangChain | 计划中 ⏱️ | 实现 LangChain RAG 管道 |
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;border-left: none;padding: 1em 0.5em;border-radius: 8px;color: rgba(0, 0, 0, 0.5);background: rgb(247, 247, 247);margin: 2em 8px;">缺少什么内容？欢迎创建新问题或讨论您的想法！ 
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 2em auto 1em;padding-right: 0.5em;padding-left: 0.5em;border-bottom: 2px solid rgb(0, 152, 116);color: rgb(63, 63, 63);">Verba入门指南ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);padding-left: 0.5em;padding-right: 0.5em;">您有三种部署 Verba 的选项：pipinstallgoldenverba gitclonehttps://github.com/weaviate/Verba
pipinstall-e.
前提条件：如果您不使用 Docker，请确保您的系统上安装了Python >=3.10.0。 如果您不熟悉 Python 和虚拟环境，请阅读python 教程指南。 API密钥在启动 Verba 之前，您需要根据所选技术配置对各组件的访问，例如通过.env文件配置 OpenAI、Cohere 和 HuggingFace 的访问权限。在您要启动 Verba 的目录中创建此.env文件。您可以在goldenverba目录中找到.env.example文件。 请确保仅设置您打算使用的环境变量，缺少或不正确的环境变量值可能会导致错误。
以下是您可能需要的 API 密钥和变量的综合列表： | 环境变量 | 值 | 描述 | | WEAVIATE_URL_VERBA | 您的 Weaviate 集群的 URL | 连接到您的WCS集群 | | WEAVIATE_API_KEY_VERBA | 您的 Weaviate 集群的 API 凭证 | 连接到您的WCS集群 | | OPENAI_API_KEY | 您的 API 密钥 | 获取对OpenAI模型的访问权限 | | OPENAI_BASE_URL | OpenAI 实例的 URL | 模型 | | COHERE_API_KEY | 您的 API 密钥 | 获取对Cohere模型的访问权限 | | OLLAMA_URL | 您的 Ollama 实例的 URL（例如：http://localhost:11434 ） | 获取对Ollama模型的访问权限 | | OLLAMA_MODEL | 模型名称（例如：llama） | 获取对特定Ollama模型的访问权限 | | UNSTRUCTURED_API_KEY | 您的 API 密钥 | 获取对Unstructured数据导入的访问权限 | | UNSTRUCTURED_API_URL | Unstructured 实例的 URL | 获取对 [Unstructured](https |
://docs.unstructured.io/welcome) 数据导入的访问权限 | | HUGGINGFACEHUB_API_TOKEN | 您的 API 密钥 | 获取对HuggingFace模型的访问权限 | | HUGGINGFACEHUB_BASE_URL | HuggingFace 实例的 URL（例如：https://api-inference.huggingface.co/）| 获取对特定HuggingFace模型的访问权限 | | GOOGLE_APPLICATION_CREDENTIALS | JSON 文件路径或直接的 JSON 字符串（例如：JSON 字符串） | 获取对Google模型的访问权限 |
如何通过pip部署在安装了Python >=3.10.0的系统上执行以下步骤： 1.安装goldenverba包：
pipinstallgoldenverba 1.在 Verba 项目目录中创建.env文件。您可以使用示例文件.env.example来设置环境变量。最少需要设置以下环境变量：
OPENAI_API_KEY=您在OpenAI注册的API密钥 1.启动 Verba：
verba
如何从源码构建在安装了Python >=3.10.0的系统上执行以下步骤： 1.克隆 Verba 仓库并导航到该目录：
gitclonehttps://github.com/weaviate/Verba
cdVerba
1.安装goldenverba包：
pipinstall-e. 1.在 Verba 项目目录中创建.env文件。您可以使用示例文件.env.example来设置环境变量。最少需要设置以下环境变量：
OPENAI_API_KEY=您在OpenAI注册的API密钥 1.启动 Verba：
verba
如何通过Docker安装Verba在安装了 Docker 的系统上执行以下步骤： 1.在 Verba 项目目录中创建.env文件。您可以使用示例文件.env.example来设置环境变量。最少需要设置以下环境变量：
OPENAI_API_KEY=您在OpenAI注册的API密钥 1.运行 Docker 容器：
dockerrun--rm-it--env-file.envgoldenverba 您可以通过docker-compose文件来简化此过程。请参考docker-compose 示例文件。
? Verba演练在成功安装 Verba 后，您可以通过以下步骤快速开始： 1.访问 Verba 的 web 界面，默认为 http://localhost:8080。
2.导入您的数据，例如上传一个 PDF 文件或 CSV 文件。
3.开始查询您的数据，通过 Verba 的检索增强生成技术获取见解。
您可以参考快速开始视频了解更多。
? 已知问题•某些模型在特定数据集上表现不佳。 •高并发请求可能导致响应时间较慢。
参考链接：
[1]https://github.com/weaviate/Verba
|
