实战项目

本教程包含多个实战项目，涵盖向量数据库的各个应用场景。

项目列表

URL处理实践

基于RAG技术的问答系统，支持视频链接提取和智能回答。

技术栈: ZhipuAI + Milvus + Gradio
源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/url_process

Cre_milvus 主项目

通用向量化处理器，支持多种文件格式的向量化存储。

技术栈: Milvus + Streamlit + FastAPI
源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/Cre_milvus

Text_search_pic

文搜图

技术栈: Milvus + towhere
源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/text_search_img

HDBSCAN

聚类数据可视化

技术栈: Milvus + HDBSCAN + umap
源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/HDBSCAN

K8s+Loki 监控

基于Kubernetes部署的Milvus日志监控系统。

技术栈: Kubernetes + Grafana + Loki
源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/k8s+loki

Meta-chunking

Meta-chunking论文的代码实现demo。

源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/Meta_chunking

Limit

Meta:Limit论文的代码实现demo。

源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/docs/Milvus/chapter4/%E5%90%91%E9%87%8F/code/Meta_limit

⚡ Locust性能测试

Milvus性能测试工具和基准测试。

源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/locustProj

Faiss

基于Faiss的问答系统实战。

源码位置: https://github.com/datawhalechina/easy-vectordb/tree/main/src/faissSear

学习路径

1. 入门: 从URL处理实践开始
2. 使用: 尝试文搜图以及HDBSCAN聚类
3. 进阶：学习Cre_milvus主项目(开发ing)
4. 部署: 掌握K8s+Loki监控
5. 优化: 研究Meta-chunking和性能测试
6. 扩展: 探索Meta-limit和其他项目