dot Redis 8 已发布,它是开源的

了解更多

使用检索增强生成 (RAG) 获取更准确的答案,获得市场上最快速的响应,并与 LangChain 和 LlamaIndex 等顶级生态系统合作伙伴协作。

查看我们的基准测试

LLM 不会保留最近的历史记录,这可能导致交互尴尬。我们存储 LLM 与用户之间的所有先前交互,以提供个性化的 GenAI 体验。

了解更多

随着 GenAI 系统变得越来越复杂,它们使用多个智能体、数据检索和 LLM 调用来完成任务。每一步都会增加延迟。我们让智能体更快,从而让您获得更高性能的应用。

使用 LangGraph 构建 AI 智能体

存储对 LLM 频繁调用的语义意义,以便应用能够更快地回答常见问题并降低 LLM 推理成本。

试用 LangCache

根据含义路由查询,为聊天机器人、知识库和智能体提供精确的、意图驱动的结果。语义路由跨多个工具对请求进行分类,以便快速找到最相关的答案。

查看其工作原理

我们存储 ML 特征以实现快速数据检索,从而支持及时预测。我们的特征存储与 Tecton 和 Feast 等离线特征存储无缝连接,满足企业在全球范围内做出即时决策所需的规模。

了解更多

信赖 Redis for AI 的公司

开始使用

与专家会面并开始使用
Redis for AI 今天。

常见问题

为什么在 AI 领域使用 Redis 而非传统数据库? plus-white minus-white

传统数据库由于基于磁盘的存储和复杂的索引通常会引入延迟。Redis 作为内存数据库,显著缩短了查询时间,并通过高效处理搜索、缓存结果和在大规模下保持性能来支持实时 AI 应用。

Redis 与专用的 AI 向量数据库相比如何? plus-white minus-white

与专用的向量数据库不同,Redis 在单个系统中提供多模式功能——处理向量搜索、实时缓存、特征存储和发布/订阅消息。这消除了对多个工具的需求,降低了复杂性和成本。

Redis 用于向量搜索的索引方法有哪些? plus-white minus-white

Redis 支持 HNSW(分层可导航小世界)用于快速近似最近邻 (ANN) 搜索,以及 Flat 索引用于精确搜索。这种灵活性使得 AI 应用能够根据其需求平衡速度和准确性。

Redis 如何确保 AI 工作负载的数据持久性? plus-white minus-white

Redis 提供 RDB(快照)和 AOF(只追加文件)持久化选项,确保与 AI 相关的数据即使在重启后仍然可用。Redis on Flex 进一步使得更大的数据集能够经济高效地持久化。

在哪里可以了解更多关于如何使用 Redis for AI 的信息? plus-white minus-white

您可以在 Redis University 上查看 AI 培训课程我们的 AI 文档页面解释了概念、资源,并包含许多关于如何构建带有 RAG 和 AI 智能体的 AI 助手的 GenAI 应用的操作指南。