Chúng tôi đã huy động được 6,5 triệu đô la để tiêu diệt các cơ sở dữ liệu vector. Mọi hệ thống ngày nay đều truy xuất ngữ cảnh theo cùng một cách: tìm kiếm vector lưu trữ mọi thứ dưới dạng nhúng phẳng và trả về bất cứ điều gì "cảm thấy" gần nhất. Tương tự, chắc chắn. Liên quan? Hầu như không bao giờ. Các nhúng không thể phân biệt một điều khoản gia hạn Q3 với một thông báo chấm dứt Q1 nếu ngôn ngữ đủ gần. Một người bạn của tôi đã hỏi AI của mình về một hợp đồng vào tuần trước, và nó đã trả về một câu trả lời chi tiết, được soạn thảo hoàn hảo từ một hồ sơ của khách hàng hoàn toàn khác. Khi bạn đang xử lý hơn 10 triệu tài liệu, những sự nhầm lẫn này xảy ra liên tục. Độ chính xác của VectorDB giảm sút. Chúng tôi đã xây dựng @hydra_db cho chính điều này. HydraDB xây dựng một đồ thị ngữ cảnh theo hướng ontology trên dữ liệu của bạn, lập bản đồ các mối quan hệ giữa các thực thể, hiểu 'tại sao' đằng sau các tài liệu, và theo dõi cách thông tin phát triển theo thời gian. Vì vậy, khi bạn hỏi về 'Apple,' nó biết bạn đang nói đến công ty mà bạn đang phục vụ với tư cách là khách hàng. Không phải là trái cây. Ngay cả khi điểm tương đồng của một cơ sở dữ liệu vector nói là 0,94. Thêm thông tin bên dưới ⬇️