Weaviate — это векторная база данных с открытым кодом для семантического и гибридного поиска, RAG-систем и рекомендаций на основе эмбеддингов.
Главное отличие — гибридный поиск и модули векторизации из коробки. Weaviate сам отправляет текст в модель эмбеддингов, совмещает векторный поиск с ключевым (BM25) и может сразу генерировать ответ через LLM.
Возможности
- Векторный, ключевой и гибридный поиск в одном запросе.
- Модули векторизации для OpenAI, Cohere, Hugging Face и локальных моделей.
- Генеративный поиск (RAG): найденные объекты передаются в LLM.
- Мультитенантность для SaaS с тысячами клиентов.
- Клиенты для Python, TypeScript, Go и Java, API на REST, GraphQL и gRPC.
Кому подходит
Разработчикам AI-продуктов: поиск по базе знаний, чат-боты по документации, рекомендации, поиск по каталогу товаров.
Как начать
Запустите Weaviate локально в контейнере или создайте песочницу в облаке, подключите модуль векторизации и загрузите первую коллекцию документов через клиент Python.
Совет
Включайте гибридный поиск для русскоязычного контента: чистый векторный поиск часто промахивается на артикулах, названиях и редких терминах, а BM25 их ловит.
Ограничения
Self-hosted требует администрирования и памяти под индекс. Для простого старта без сервера есть управляемый Pinecone, для лёгкого локального прототипа — Chroma.