정확한 맥락을 구축하고 환각을 방지하는 생성적 AI(   ) 애플리케이션은 다양한 소스의 최신 실시간 데이터를 기반으로 해야 합니다. 그러나 이는 개발자에게 중요한 과제를 안겨줍니다. 벡터화된 데이터, 비벡터 데이터, 이벤트 스트림 등 다양한 데이터 유형을 사용하여 프로덕션 지원 애플리케이션을 빠르고 자신 있게 구축하는 방법입니다. Gen AI  우리  벡터 검색 기능을 추가했을 때 이 문제를 해결하는 핵심 부분이었습니다.  는 매우 짧은 대기 시간으로 분산 데이터 및 스트리밍 워크로드에 대한 동시 검색 및 업데이트는 물론 중복을 제거하는 관련성이 높은 벡터 결과를 위해 설계되었습니다.   최근 발표   데이터스택스 아스트라 DB  이제 우리는 최고의 이벤트 기반 아키텍처와 최신 Gen AI 기술을 결합한 새로운 오픈 소스 프로젝트인 LangStream의 도입으로 또 다른 중요한 단계를 밟았습니다. LangStream을 사용하면 다양한 소스의 데이터를 쉽게 조정하여 LLM(대형 언어 모델)에 대한 고품질 프롬프트를 활성화할 수 있으므로 광범위한 데이터 유형에 대해 확장 가능하고 생산 준비가 완료된 실제 AI 애플리케이션을 훨씬 더 간단하게 구축할 수 있습니다. .  (LangStream에 대해 좀 더 기술적으로 알아보려면  .)   이 블로그 게시물을 읽어보세요  왜 LangStream인가?  기술 분야에 종사하신다면 Gen AI가 세상을 형성하는 가장 획기적인 기술로 구성되어 있으며 그에 따라 수많은 새로운 과제가 따른다는 사실을 잘 알고 계실 것입니다. 우선, 개발자가 어떻게 Gen AI 개념을 실제 애플리케이션으로 신속하게 전환할 수 있습니까? 그리고 단순한 애플리케이션이 아니라 이벤트 기반 아키텍처의 힘을 활용하고 1~2년 전 공상과학 소설처럼 보였던 방식으로 사용자에게 즉각적인 AI 기반 응답을 제공할 수 있는 애플리케이션입니다.  LangStream은 스트리밍, 이벤트 기반 시스템을 Gen AI의 기능과 연결하여 모든 종류의 독점 데이터와 공개 데이터에서 새로운 콘텐츠를 생성함으로써 개발자가 AI 애플리케이션을 프로덕션에 적용하는 데 걸리는 시간을 단축합니다. 로컬 설정에서 프로덕션 환경으로 이동하거나 Astra DB와 같은 벡터 데이터베이스로 데이터 전송과 같은 복잡한 작업을 통합하는 경우 모두 간소화됩니다.  LangStream + Astra DB: 스트리밍 데이터를 Gen AI와 원활하게 결합  모든 Gen AI 애플리케이션의 핵심은   입니다. LLM의 효율성은 본질적으로 AI를 트리거하는 상황별 입력인 프롬프트에 크게 좌우됩니다. 이러한 컨텍스트는 캐시, 데이터베이스, 스트리밍 플랫폼 등 조직의 시스템에 이미 있는 데이터에서 나오는 경우가 많습니다. 이것이 바로 LangStream이 빛을 발하고 Astra DB와 같은 벡터 데이터베이스가 필수적인 부분입니다. LLM  상상해 보세요: Astra DB와 같은 벡터 데이터베이스에서 의미 검색을 수행해야 합니다. 그 전에 데이터의 출처에 관계없이 임베딩 모델을 사용하여 데이터를 벡터로 변환해야 합니다. LangStream을 사용하면 이 복잡한 프로세스가 데이터 파이프라인을 정의하는 간단한 YAML 파일로 요약됩니다.  그런 다음 이러한 모든 벡터는 Apache Cassandra®를 기반으로 구축된 Astra DB 데이터베이스에 저장됩니다. Astra DB는 개발자에게 대량의 데이터에서 관련 컨텍스트를 추출하여 LLM에 제공할 수 있는 원활한 방법을 제공합니다. LangStream과 Astra DB의 통합은 고품질 프롬프트를 구성하여 Gen AI 상호 작용을 보다 직관적이고 효과적으로 만드는 데 특히 유용합니다.  모든 데이터를 손쉽게 연결하고 동기화하는 용이성은 벡터 데이터베이스 채우기에도 적용됩니다. 설명을 위해 실시간 사용자 행동 데이터를 기록 분석과 통합하는 시나리오를 생각해 보세요. 예를 들어 소매 애플리케이션에서는 세션의 제품에 대한 마지막 몇 번의 클릭을 이 사용자의 핏 및 가격대 선호도와 같은 과거 선호도와 연결하여   세션에서 관련 실행 가능한 권장 사항을 제공할 수 있습니다. 이  Astra DB의 LangStream 기능을 사용하면 한때 복잡했던 이 작업을 단 몇 번의 클릭만으로 완료할 수 있습니다. 다음 데모를 시청하여 실제 통합의 예를 확인하세요.   https://www.youtube.com/watch?v=qqsFnD63DBo&embedable=true  LangStream 및 Astra DB 벡터 데이터베이스를 통해 애플리케이션 개발자는 이제 다음을 갖추고 있습니다.    Gen AI 개념을 신속하게 프로토타입으로 전환한 다음 프로덕션급 애플리케이션으로 전환합니다. 신속한 프로토타이핑    Gen AI와 스트리밍 데이터를 원활하게 결합하여 애플리케이션을 더욱 동적으로 만듭니다. 이벤트 중심 아키텍처    Python을 사용하여 사용자 정의할 수 있는 기능을 갖춘 LangStream의 오픈 소스 에코시스템에 대해 알아보세요. 오픈 소스 유연성    내장된 기능을 사용하여    인기 있는 서비스와 쉽게 통합 OpenAI, Hugging Face, Google Vertex AI 등 다양한 서비스와 통합할 수 있습니다.  무엇을 만들 것인가?  우리는 데이터베이스가 단순한 스토리지 솔루션 그 이상이어야 한다고 믿습니다. 개발자가 만들고, 혁신하고, 확장할 수 있는 플랫폼이어야 합니다. Astra DB와 같은 벡터 데이터베이스를 LangStream 에이전트에 통합함으로써 응용 프로그램 개발자가 다양한 데이터 유형을 벡터 데이터베이스와 쉽게 연결하는 데 필요한 도구를 확보할 수 있습니다. 이는 데이터 작업을 간소화할 뿐만 아니라 더욱 풍부하고 동적인 애플리케이션을 위한 길을 열어줍니다.  이 혁신적인 여정에 참여해 보세요. 확인해 보세요  오늘.   랭스트림   작성자: Charna Parkey, DataStax  여기에도 게시되었습니다 .

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

This is a PR written by or for the company mentioned within it. The writer has a vested interest in the company and products mentioned within.

DataStax Astra DB is the vector database for getting GenAI apps into production, fast. Try it for free today!

DataStax

이 오디오는 이야기의 원래 언어로 제작되었습니다!

LangStream 소개: GenAI 애플리케이션의 데이터 통합을 위한 오픈 소스 솔루션

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

보이지 않는 레이어: 사용자 인터뷰가 대체할 수 없는 자산인 이유

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Crypto Growth: 효과적인 사용자 페르소나 만들기

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

보이지 않는 레이어: 사용자 인터뷰가 대체할 수 없는 자산인 이유

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Crypto Growth: 효과적인 사용자 페르소나 만들기

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps