swirlai/swirl-search

解决的问题

SWIRL 提供跨多个应用程序和数据源的联邦式 AI 搜索和检索增强生成 (RAG)，而无需用户将数据移动、复制或拷贝到中央向量数据库。它消除了对复杂 ETL 流水线的需求，并允许搜索结果遵循原始数据源现有的权限。

工作原理

SWIRL 不是预先对数据进行索引，而是实时查询数据源。它使用流水线式的 Processor 架构来转换查询和响应。然后使用余弦向量相似度（通过 spaCy 和 NLTK）对结果进行重新排序，并可以可选地使用连接的 LLM（例如 OpenAI）生成带有引用的答案。

适用对象

需要在 SharePoint、Confluence、GitHub 和 Jira 等工具之间实现统一搜索界面的团队和开发人员，以及希望在无需管理向量数据库的基础设施开销的情况下实现 RAG 的用户。

亮点

• 零数据移动：数据保留在原处，避免了为了管理和安全而进行的二次复制。
• 联邦搜索：可访问超过 100 个用于各种应用和服务的连接器。
• 实时 RAG：使用您自己的 LLM 密钥生成带有引用的有据回答。
• 可扩展架构：易于扩展的 Connector 和 Mixer 对象，用于添加新的数据源。
• 快速部署：可以通过 Docker 在约两分钟内完成部署。