vespa-engine/sample-apps

해결하는 문제

이 저장소는 Vespa 엔진을 사용하여 고급 검색 및 검색 패턴을 구현하는 데 도움이 되는 참조 구현 및 튜토리얼의 모음입니다. 핵심 엔진의 기능과 RAG, 하이브리드 검색, 시각적 검색과 같은 실제 AI 응용 프로그램 사이의 격차를 메웁니다.

작동 방식

각 샘플 애플리케이션은 데이터셋, 애플리케이션 패키지(스키마 및 서비스 구성 포함), 그리고 선택적 빌드 스크립트로 구성된 표준 구조를 따릅니다. 이러한 샘플들은 다음과 같은 기술을 보여줍니다:

• 하이브리드 검색: 전통적인 키워드 매칭(BM25)과 의미적 벡터 검색을 결합합니다.
• 벡터 인덱싱: 근사 최근접 이웃 검색에 HNSW를 사용하고, 긴 문서를 위한 멀티벡터 인덱싱을 구현합니다.
• RAG 파이프라인: 로컬 및 클라우드 서비스를 통해 LLM을 통합하여 문서 확장 및 응답 생성을 수행합니다.
• 시각적 검색: ColPali와 같은 시각 언어 모델(VLM)을 사용하여 PDF 페이지를 이미지로 인덱싱하고 검색합니다.
• 고급 임베딩: Cohere의 이진 임베딩, OpenAI의 Matryoshka 임베딩, SPLADE의 스파스 표현을 구현합니다.

대상 사용자

Vespa를 검색 엔진, 추천 시스템, 또는 검색 증강 생성(RAG) 애플리케이션을 구축하기 위해 사용하거나 평가하는 개발자 및 AI 엔지니어

주요 특징

• 프로덕션 수준의 RAG: RAG 애플리케이션을 프로덕션 환경에 스케일링하기 위한 블루프린트
• 다중 모달 기능: VLM을 사용한 수십억 규모의 이미지 검색 및 시각적 PDF 검색 예제
• 다국어 지원: 다국어 의미 검색을 위한 구현
• 효율성 최적화: 이진 벡터와 Matryoshka 임베딩을 사용한 저장소 및 메모리 사용량 감소 디모