PROD欧州主権の BaaS プラットフォームダッシュボードを開く →

AI

AI はすでにデータを認識しています。

独自の PostgreSQL に保存されたベクトルを使用して、データベースと同じ SDK でチャット、埋め込み、取得、SQL への自然言語を実行します。

無料で始めるドキュメントを読む
5
1 つの SDK に AI 機能が含まれています
SSE
トークンストリーミング
ai.tsTS
import { createClient } from '@aurabase/aurabase-js'
const aura = createClient(
  'https://my-project.aurabase.cloud',
  'aura_anon_xxx',
)
const { data, error } = await aura.ai.chat(
  [{ role: 'user', content: 'Summarize this text in one sentence.' }],
  { model: 'gpt-4o-mini', temperature: 0.2, max_tokens: 200 },
)
if (error) throw error
console.log(data?.content)

含まれるもの

すべては AI 機能を提供するためです。 2 番目のバックエンドなし。

チャット

チャットの完了

メッセージを送信すると、選択したモデルと温度で応答が得られます。

ストリーミング

トークンストリーミング

トークンが到着したら読み取り、AbortSignal でストリームをキャンセルします。

使用法

すべての回答でのトークンの使用

応答は、入力、出力、および推論トークン、および応答がいつ中断されたかを示す終了理由を報告します。

埋め込み

埋め込み

テキストをベクトルに変換し、データの隣に保存します。

知識

内蔵RAG

コンテンツを取り込んで質問し、そのソースとともに回答を得ます。

コーパス

管理できる名前空間

プロジェクトが構築したコーパスをリストし、インデックスを再作成し、削除します。

検索

セマンティック検索

結果の数と類似性のしきい値を使用して、意味によってコンテンツを検索します。

データ

自然言語からSQLへ

わかりやすい言葉で質問してください。サーバーは実際のスキーマを読み取り、SQL が返す行をキャップします。

ストレージ

独自のデータベース内のベクトル

埋め込みは、pgvector に同梱されているプロジェクトの PostgreSQL 内に存在します。

仕組み

内容から答えまで。

  1. 1

    摂取する

    ragIngest を使用してコンテンツを名前空間に送信します。

  2. 2

    埋め込む

    Aurabase はそれをベクトルに変換し、データベースに保存します。

  3. 3

    尋ねる

    質問を含めて rag または semanticSearch を呼び出します。

  4. 4

    答え

    ソースを使用して回答を取得するか、chatStream を使用してトークンをストリーミングします。

REST API

プレーンな HTTP をお好みですか? すべてここにあります。

SDK は、これらのルート上の薄い層です。リクエストごとにプロジェクトの API キーを送信します。

方法エンドポイント説明
POST/v1/ai/chatチャットで完全な回答を取得します。
POST/v1/ai/chat/streamチャットの回答をサーバー送信イベントとしてストリーミングします。
POST/v1/ai/embedテキストの埋め込みを作成します。
POST/v1/ai/rag/ingestコンテンツを RAG 名前空間に追加します。
POST/v1/ai/rag/query名前空間からの質問にソースを添えて回答します。
GET/v1/ai/rag/namespacesRAG 名前空間をリストします。
POST/v1/ai/rag/{namespace}/reindex埋め込みの変更後に名前空間のインデックスを再作成します。
DELETE/v1/ai/rag/{namespace}ネームスペースとそのドキュメントを削除します。
GET/v1/ai/search名前空間を意味で検索します。
POST/v1/ai/nl2sql質問をデータベースの SQL に変換します。

質問

知っておいてよかったです。

ユーザーに回答をストリーミングできますか?+
Yes. chatStream() returns an async iterable of tokens, and the last chunk carries the finish reason and token usage.
ナレッジベースを構築するにはどうすればよいですか?+
Call ragIngest() with a namespace and some content. The namespace is created on the first ingest. Then use rag() to ask questions.
SQL に対する自然言語はどのようにして私のスキーマを認識するのでしょうか?+
サーバーはプロジェクトのデータベースからそれを読み取ります。自分でスキーマを送信することはできません。生成される SQL は、デフォルトでは 100 行、最大でも 1,000 行に制限されています。
モデルはツールや関数を呼び出すことができますか?+
まだです。ツールと関数の呼び出しはサポートされていません。
埋め込みモデルを変更した後にインデックスを再作成できますか?+
Yes. reindexNamespace() rebuilds a namespace, and deleteNamespace() removes it with its documents.
リクエストごとに料金がかかりますか?+
コスト数値は返されません。各回答はトークンの使用状況を報告するため、独自のトークン使用量を計算できます。

AI を追加する準備はできていますか?

最初の AI 機能を今すぐ出荷してください。

AIはあらゆるプロジェクトに組み込まれています。クレジットカードは必要ありません。

無料で始めるAI のドキュメントを読む