发布新帖

#命名空间

0

命名空间是一个逻辑实体，它提供对存储在多个数据库中的数据和代码的访问。

全部时间
文章
· 二月 18 阅读大约需 11 分钟
向量搜索和 RAG（检索增强生成）模型

1. IRIS RAG Demo

IRIS RAG Demo

这是 IRIS 与 RAG（检索增强生成）示例的一个简单演示。
后端是使用 IRIS 和 IoP用 Python 编写的，LLM 模型是 orca-mini 并由 ollama 服务器提供。
前端是用 Streamlit 编写的聊天机器人。

Open Exchange app
0 1
0 371

一个实例中可创建的最大命名空间数量为2048个。这个上限不可修改。

一个实例中可创建的最大数据库数量（包括远程数据库）为15998个。这个上限也不可修改。

一个实例中可创建数据库的总数量还有其他因素制约：

1. 数据库路径信息总量最大为256KB，也就是所有数据库的路径字符加起来不能多于256KB。设置的路径越长，可创建的数据库数量越少。
计算公式：最大数据库数量=258048/(平均数据库路径长度+3)

2. 镜像的数据库一个按两个算。也就是创建一个镜像的数据库，相当于创建了2个非镜像数据库。

更多细节请参考在线文档：
https://docs.intersystems.com/irislatest/csp/docbook/Doc.View.cls?KEY=GS...

0 0
0 148
文章
· 六月 11 阅读大约需 8 分钟
使用 IRIS 以及 langchain 构建 问答聊天机器人

这篇文章介绍了使用由支持 langchain 框架的IRIS来实现问答聊天机器人，其重点介绍了检索增强生成（RAG）。

文章探讨了IRIS中的向量搜索如何在langchain-iris中完成数据的存储、检索和语义搜索，从而实现对用户查询的精确、快速的响应。通过无缝集成以及索引和检索/生成等流程，由IRIS驱动的RAG应用程序使InterSystems开发者能够利用GenAI系统的能力。

为了帮助读者巩固这些概念，文章提供了Jupyter notebook和一个完整的问答聊天机器人应用程序，以供参考。

什么是RAG以及它在问答聊天机器人中的角色

1 0
0 142
文章
· 十月 6, 2023 阅读大约需 4 分钟
快速创建命名空间

一般情况下，我们根据iris的portal向导创建数据库，然后创建命名空间。这个过程比较花时间，如果是已经存在的数据库，还需要再装载。翻阅portal调用的方法后，我整合了这几个方法。把这几个方法拷贝到任意已经存在的命名空间，通过执行CNNS（路径，命名空间），就可以快速创建好命名空间。方法的大概过程是，进入到%sys命名空间，然后依次创建数据库，创建命名空间，创建web应用。创建完成后，回到当前命名空间。

7 0
0 123