首页/AI/RAG 与向量库速查/Weaviate 与内置向量化
本包目录(229 条)
架构与流程30 条解析与切分33 条Embedding 与检索50 条
向量数据库49 条
重排与生成32 条评估与优化35 条

Weaviate 与内置向量化

Weaviate 的特点是模块化:可配置向量化模块(如 text2vec-*)在写入时自动生成向量,也支持自带向量;查询提供 GraphQL 与 REST 两套接口。

RAG 与向量库速查AI更新于 2026-10-12

Docker 启动(示例组合)

Docker 启动(示例组合)
docker run -d --name weaviate -p 8080:8080 \
  -e AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED=true \
  -e DEFAULT_VECTORIZER_MODULE=none \
  -e PERSISTENCE_DATA_PATH=/var/lib/weaviate \
  -v $(pwd)/weaviate_data:/var/lib/weaviate \
  semitechnologies/weaviate:latest

建类与写入(REST)

建类与写入(REST)
curl -X POST http://localhost:8080/v1/schema -H "Content-Type: application/json" -d '
{"class": "KbChunk", "vectorizer": "none",
 "properties": [{"name": "source", "dataType": ["text"]}]}'
vectorizer 设为 none 时需自带向量;自托管场景常用自带向量以统一 embedding 管线。

易错点

  • schema 类名大小写敏感,查询时类名写错返回空结果
  • 匿名访问开启后暴露公网,数据可被任意写入

数据来源与参考

  • Weaviate 官方文档(Quickstart / Schema)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌