Vektör veritabanlarını yok etmek için 6,5 milyon dolar topladık. Bugün her sistem bağlamı aynı şekilde elde ediyor: her şeyi düz gömüler olarak kaydeden ve en yakın hissettiren vektör araması. Benzer, tabii. İlgili? Neredeyse hiç. Gömmeler, dil yeterince yakın olursa Q3 yenileme maddesini Q1 sonlandırma bildiriminden ayırt edemez. Geçen hafta bir arkadaşım yapay zekasına bir sözleşme hakkında sordu ve tamamen farklı bir müşterinin dosyasından alınmış detaylı, kusursuz bir cevap verdi. 10 milyon+ belgeyle uğraşırken bu karışıklıklar sürekli oluyor. VectorDB doğruluğu berbat oluyor. Tam da bunun için @hydra_db inşa ettik. HydraDB, verileriniz üzerinde ontoloji öncelikli bir bağlam grafiği oluşturur, varlıklar arasındaki ilişkileri haritalar, belgelerin arkasındaki 'neden' anlayışını tanır ve bilginin zaman içinde nasıl evrildiğini izler. Yani 'Apple' hakkında sorduğunuzda, müşteri olarak hizmet verdiğiniz şirketi kastettiğinizi anlar. Meyve değil. Bir vektör veritabanının benzerlik puanı 0.94 olsa bile. Aşağıda ⬇️ daha fazlası