基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型

基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型

基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[6]-实现Milvus向量检索+实现自定义关键词调整Embedding模型_第1张图片

0.Milvus与Faiss对比

Milvus相对于Faiss的优势主要体现在以下几个方面:

  • 在线数据更新与实时搜索:

    • Milvus支持在线的数据更新和实时的向量搜索,这意味着在数据频繁变动的场景下,用户无需重新构建整个索引,从而大大减少了维护成本。
    • 相比之下,Faiss不支持在线数据更新,如果需要添加或删除数据,可能需要重新构建整个索引,这在某些应用场景下可能会带来不便。
  • 灵活性和可扩展性:

    • Milvus支持灵活的数据结构和索引方式,可以满足不同应用场景的需求。
    • 同时,Milvus支持水平扩展,通过增加节点可以提高整个系统的处理能力,从而适应更大规模的数据集。
  • 易用性:

你可能感兴趣的:(LLM工业级落地实践,langchain,milvus,embedding,人工智能,自然语言处理,语言模型,大模型)