SqlDatabaseVectorSearch 项目亮点解析

1. 项目基础介绍

SqlDatabaseVectorSearch 是一个开源项目，旨在展示如何在 Azure SQL Database 中使用原生 VECTOR 类型进行文本嵌入和检索增强生成（RAG）操作。该项目利用 Azure OpenAI 的能力，允许用户加载文档、生成嵌入向量并将其存储在数据库中，进而执行向量搜索和 RAG。目前支持 PDF、DOCX、TXT 和 MD 文件格式。该项目包含一个 Blazor Web 应用和一个最小 API，后者允许以编程方式与嵌入向量和 RAG 交互。

2. 项目代码目录及介绍

项目的主要目录结构如下：

• /assets：包含项目所需的静态资源。
• /Documentation：存放项目文档。
• /Scripts.sql：包含用于数据库操作的 SQL 脚本。
• /SqlDatabaseVectorSearch.sln：项目的解决方案文件。
• /SqlDatabaseVectorSearch：包含项目的核心代码，包括模型、服务和接口等。

3. 项目亮点功能拆解

• 文档加载与嵌入：支持多种文档格式，将文本数据转换为向量嵌入。
• 数据库存储：利用 Azure SQL Database 的 VECTOR 类型存储向量数据。
• 向量搜索：实现基于向量的搜索功能，提高数据检索的准确性。
• RAG 功能：集成检索增强生成功能，为用户提供更丰富的交互体验。

4. 项目主要技术亮点拆解

• EFCore.SqlServer.VectorSearch：使用 Entity Framework Core 扩展库来实现向量搜索。
• Semantic Kernel：集成 Semantic Kernel 来处理嵌入和聊天完成功能。
• Blazor Web App 和 Minimal API：提供两种不同的交互方式，以满足不同用户需求。

5. 与同类项目对比的亮点

• 原生支持 Azure SQL Database：针对 Azure SQL Database 优化，充分利用云服务优势。
• 多种文件格式支持：支持多种文档格式，提升用户体验和项目的适用范围。
• 清晰的文档和示例：项目提供了清晰的文档和示例代码，便于用户快速上手和集成。