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。
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。
Pgvector vs Pinecone: Vector database comparison
Pgvectorscale Github
Pgai Github
PostgreSQL and pgvector: Now Faster than Pinecone, 75% Cheaper, 100% Open Source
Pgai: Giving PostgreSQL Developers AI Engineering Superpowers
Making PostgreSQL a Better AI Database
PostgreSQL Hybrid Search Using Pgvector and Cohere
How to Implement RAG With Amazon Bedrock and LangChain
A Beginner’s Guide to Vector Embeddings
LangChain and pgvector: Up and Running
Create, store and query OpenAI embeddings with PostgreSQL and pgvector
What Are ivfflat Indexes in pgvector and How Do They Work
A Complete Guide to Creating and Storing Embeddings for PostgreSQL Data
How We Designed a Resilient Vector Embedding Creation System for PostgreSQL Data
Text to SQL with PostgreSQL and GPT4o
Combine Vector Search and RAG with Instructor