vespa-engine/sample-apps

解决的问题

本仓库提供了一系列参考实现和教程，帮助开发者使用 Vespa 引擎实现高级搜索和检索模式。它弥合了核心引擎功能与 RAG、混合搜索和视觉检索等实际 AI 应用之间的差距。

工作原理

每个示例应用都遵循标准结构，包括数据集、应用包（包含模式和服务配置），以及可选的构建脚本。这些示例展示了多种技术，包括：

• 混合搜索：结合传统的关键词匹配（BM25）与语义向量搜索。
• 向量索引：使用 HNSW 实现近似最近邻搜索，并使用多向量索引处理长文档。
• RAG 流水线：集成 LLM 实现文档增强和响应生成，支持本地和云服务两种方式。
• 视觉检索：使用视觉语言模型（VLM）如 ColPali，将 PDF 页面作为图像进行索引和检索。
• 高级嵌入：实现二进制嵌入（Cohere）、Matryoshka 嵌入（OpenAI）和稀疏表示（SPLADE）。

适用人群

正在使用或评估 Vespa 构建搜索引擎、推荐系统或检索增强生成（RAG）应用的开发者和 AI 工程师。

主要亮点

• 生产级 RAG：为将 RAG 应用扩展至生产环境提供蓝图。
• 多模态能力：使用 VLM 实现数十亿级图像搜索和视觉 PDF 检索的示例。
• 多语言支持：支持多语言语义搜索的实现。
• 效率优化：通过二进制向量和 Matryoshka 嵌入，演示减少存储和内存占用的方案。