面向 AI 应用的开源 PostgreSQL 堆栈

使用 PostgreSQL 和专为 AI 构建的扩展构建 RAG、搜索和 AI 代理:pgvector、pgvectorscale 和 pgai。

Hero illustration

pgvectorscale:专为 AI 打造的性能

更低的延迟和更高的查询吞吐量——所有这些都使用完整的 SQL。

Performance graph

面向 AI 应用的简单堆栈

使用一个数据库来存储应用程序的元数据、向量嵌入和时间序列数据,您可以告别数据重复、同步以及跨多个系统跟踪更新的操作复杂性。

更低延迟的搜索。更快乐的最终用户。

与 Pinecone 的存储优化索引 (s1) 相比,PostgreSQL 与 pgvector 和 pgvectorscale 的组合在 99% 的召回率下,近似最近邻查询的 p95 延迟降低了 28 倍,查询吞吐量提高了 16 倍,而月成本降低了 75%。

了解更多

具有完整 SQL 的向量数据库

编写包含向量嵌入的完整 SQL 关系查询,并使用 WHERE 子句、ORDER BY 和其他 PostgreSQL 功能。利用所有 PostgreSQL 数据类型来存储和过滤更丰富的元数据。轻松地将向量搜索结果与相关的用户元数据进行 JOIN 操作,以获得更具上下文相关性的响应。

直接在数据库中拥有嵌入函数是一个巨大的优势。以前,更新我们保存的嵌入是一项乏味的任务,但现在,通过集成所有内容,它有望变得更加简单和高效。

直接在数据库中拥有嵌入函数是一个巨大的优势。以前,更新我们保存的嵌入是一项乏味的任务,但现在,通过集成所有内容,它有望变得更加简单和高效。

Web Begole

首席技术官 MarketReader

Pgvectorscale 和 pgai 是对 PostgreSQL AI 生态系统的出色补充。统计二进制量化的引入为向量搜索带来了闪电般的性能,并且随着我们扩展向量工作负载,它将变得非常有价值。

Pgvectorscale 和 pgai 是对 PostgreSQL AI 生态系统的出色补充。统计二进制量化的引入为向量搜索带来了闪电般的性能,并且随着我们扩展向量工作负载,它将变得非常有价值。

John McBride

OpenSauced 基础设施主管 OpenSauced

Timescale 将 Postgres 用作向量数据库的集成方法简单且可扩展,使我们能够更快地将 AI 产品推向市场。

Timescale 将 Postgres 用作向量数据库的集成方法简单且可扩展,使我们能够更快地将 AI 产品推向市场。

Nicolas Bream

PolyPerception 首席执行官 PolyPerception

从概念验证扩展到生产环境

一个平台,满足您的 AI 应用需求

Timescale 增强的 PostgreSQL 数据平台是您应用程序的向量、关系和时间序列数据的家园。

灵活透明的定价

没有“按查询付费”或“按索引付费”。计算和存储分离,可在您成长的同时灵活地扩展资源。基于使用情况的存储和动态计算(即将推出),因此您只需为实际使用的内容付费。

从第一天起即可扩展

借助自动备份、故障转移和高可用性功能,满怀信心地将应用程序推向生产环境。使用只读副本扩展查询负载。一键式数据库分叉,用于测试新的嵌入和 LLM 模型。咨询支持可指导您发展壮大,无需额外费用。

企业级安全和数据隐私

符合 SOC2 Type II 和 GDPR 标准。静态和动态数据加密。针对您的 Amazon VPC 进行 VPC 对等连接。安全备份。多因素身份验证。

适用于您 AI 技术栈中的所有内容

以您想要的任何方式访问您的 PostgreSQL 数据库。使用 Python 客户端、您最喜欢的 LLM 框架中的集成,或通过 PostgreSQL 库、ORM、连接器和工具。

Seamless integration with Open AI, LLama, ANthropic, Cohere, Hugging Face, LangChain, Llama Index, Vercel, Chainlit, gradio, Streamlit, Modal, Python, Typescript...

资源