大語言模型正在與企業應用迅速結合，并深刻改變企業的各個產業環節。而大模型訓練所使用的數據包含了如文檔、圖片、音視頻等各種類型的非結構化數據，傳統關系型數據庫能力有限。通過將這些非結構化數據轉換為多維向量，可以結構化地在向量數據庫中進行管理，實現高效的數據存儲和檢索過程，結合相似性檢索特性，可以有效地解決大模型在知識時效性低、輸入能力有限、準確度低等問題。

　　星環科技Transwarp Hippo作為一款企業級云原生分布式向量數據庫，自發布以來受到了眾多用戶的歡迎，幫助用戶實現向量數據的存儲、管理和檢索，加速大模型場景的探索和實踐。為了進一步降低用戶使用向量數據庫的門檻和成本，Hippo推出Community Edition社區版，單機即可安裝部署，開箱即用，并支持多種接口、向量/標量數據實時更新，以及多種向量檢索，幫助用戶低成本、快速地進行大模型場景的探索，如構建知識庫、智能問答機器人等。

　　極簡資源，極速安裝

　　Hippo社區版僅需單臺服務器即可安裝部署，百萬級向量數據量推薦配置僅需4核8G。all-in-one全內置設計，做到開箱即用，整個安裝過程最快僅需3分鐘，即可上手體驗。

　　Hippo安裝流程

　　Hippo社區版安裝教程

　　多種接口、多種檢索，簡單易用

　　Hippo社區版提供標準的Python、Restful、Java API等接口，可輕松對接各類應用和模型，提高應用開發和調用的效率。同時，提供類SQL接口，滿足入庫等特定場景，大幅降低使用和操作的難度。

　　Hippo社區版支持樹索引和位圖索引，支持向量topk搜索、向量/標量混合搜索和向量相似度過濾，可滿足多種不同的檢索場景。

　　簡單3步，快速搭建私有知識庫

　　基于Hippo社區版，用戶可快速搭建私有知識庫。

　　第一步：安裝向量數據庫Hippo社區版、embedding model，并驗證;

　　第二步：知識入庫，將語料文檔通過embedding model轉化為向量，存儲到Hippo中;

　　第三步：調用大模型，并測試連通性。

　　基于以上3步，即可開始智能問答。

　　當用戶發起提問時，運轉流程如下：

　　* 向量轉化并檢索，通過embedding model將用戶問題轉化為向量，并作為Hippo的查詢條件進行查詢;

　　* 構建prompt，將檢索信息與用戶問題進行拼接構造prompt，作為大模型的輸入;

　　* 大模型回答，大模型使用基礎能力并結合檢索信息完成對用戶問題的回答。

　　基于Hippo構建知識庫的演示Demo

　　了解更多信息，請訪問星環科技向量數據庫Transwarp Hippo官網或星環開發者社區。