weaviate

Par mkurman · zorai

Weaviate — base de données vectorielle open-source avec ML intégré. Recherche hybride (vecteur + mots-clés), recherche générative, connexions en graphe, multimodal (texte + image) et inférence de schéma automatique.

npx skills add https://github.com/mkurman/zorai --skill weaviate

Aperçu

Weaviate est une base de données vectorielle open-source avec des modules de vectorisation intégrés (OpenAI, Cohere, HuggingFace, Transformers, CLIP, multi-modal). Supporte la recherche hybride (vecteur + BM25 par mot-clé), la recherche générative (RAG avec intégration LLM), et les données multi-modales.

Installation

docker run -p 8080:8080 semitechnologies/weaviate:latest

Client Python

import weaviate
import weaviate.classes as wvc

client = weaviate.connect_to_local()
collection = client.collections.create(
    name="Documents",
    vectorizer_config=wvc.config.Configure.Vectorizer.text2vec_transformers(),
)
collection.data.insert({
    "title": "Paris",
    "content": "Paris is the capital of France. It is known for the Eiffel Tower.",
})

# Hybrid search (vector + keyword)
response = collection.query.hybrid(query="French capital", limit=5)
for obj in response.objects:
    print(obj.properties)